Onderzoekers van de Universiteit van Osaka hebben een nieuw gegevensverzamelingssysteem voor dieren ontwikkeld dat dankzij AI heeft geleid tot het waarnemen van niet eerder gemeld foerageergedrag bij zeevogels.
Bio-logging is een techniek waarbij kleine lichtgewicht videocamera’s en / of andere apparaten voor gegevensverzameling op de lichamen van wilde dieren worden gemonteerd. De systemen stellen onderzoekers vervolgens in staat om verschillende aspecten van het leven van dat dier, zoals zijn gedrag en sociale interacties, met minimale verstoring te observeren.
Levensduur
De aanzienlijke levensduur van de batterij die nodig is voor deze dure biologboeksystemen, is tot dusver echter beperkend gebleken. “Omdat biologgers die aan kleine dieren zijn bevestigd, klein en licht van gewicht moeten zijn, hebben ze een korte looptijd en was het daarom moeilijk om interessant, zeldzaam gedrag vast te leggen”, legt de corresponderende auteur Takuya Maekawa uit.
“We hebben een nieuw AI-uitgerust bio-logging-apparaat ontwikkeld dat ons in staat stelt om automatisch het specifieke doelgedrag van interesse te detecteren en vast te leggen op basis van gegevens van goedkope sensoren zoals versnellingsmeters en geografische positioneringssystemen (GPS).” De goedkope sensoren beperken vervolgens het gebruik van de dure sensoren, zoals videocamera’s, tot alleen de perioden waarin ze het meest waarschijnlijk het specifieke doelgedrag zullen vastleggen.
Machine learning
Het gebruik van deze systemen in combinatie met machine learning-technieken kan de gegevensverzameling met de dure sensoren direct richten op interessant maar zeldzaam gedrag, waardoor de kans dat dat gedrag wordt gedetecteerd aanzienlijk toeneemt.
Het nieuwe AI-ondersteunde videocamerasysteem is getest op zeemeeuwen en gestreepte pijlstormvogels in hun natuurlijke omgeving op eilanden voor de kust van Japan. “De nieuwe methode verbeterde de detectie van foerageergedrag bij de zeemeeuwen 15 keer vergeleken met de willekeurige steekproefmethode”, zegt hoofdauteur Joseph Korpela. “In de gestreepte pijlstormvogels hebben we een op GPS gebaseerd AI-uitgerust systeem toegepast om specifieke lokale vluchtactiviteiten van deze vogels te detecteren. Het op GPS gebaseerde systeem had een precisie van 0,59 – veel hoger dan de 0,07 van een periodieke bemonsteringsmethode waarbij de camera elke 30 minuten aan. ”
Toepassingen
Er zijn veel potentiële toepassingen voor het gebruik van AI-uitgeruste biologgers in de toekomst, niet in de laatste plaats de verdere ontwikkeling van de systemen zelf. “Deze systemen hebben een enorm scala aan mogelijke toepassingen, waaronder detectie van stroperij met anti-stroperij-tags”, zegt Maekawa. “We verwachten ook dat dit werk zal worden gebruikt om de interacties tussen de menselijke samenleving en wilde dieren die epidemieën zoals coronavirus overbrengen, bloot te leggen.”
Beeld: Osaka University
