Ny studie viser hvordan kombinasjonen av dronebilder og kunstige nevrale nettverk kan styrke overvåkingen av sjøfugl langs norskekysten. Metoden gir både høy nøyaktighet og minimal forstyrrelse av fuglelivet – et viktig fremskritt i en tid hvor mange sjøfuglarter er i tilbakegang.
Ortomosaikk av Litleholmen med markeringer av fugler identifisert vha nevral nettverksmodell. Illustrasjon © Mie Prik Arnberg.
Bildebehandling – den store flaskehalsen
Tradisjonelle tellinger av sjøfugl har lenge vært tids- og ressurskrevende, ofte med risiko for å forstyrre fuglene i hekkesesongen. Droner har gjort det mulig å samle inn store mengder bildedata på en mer skånsom måte, men utfordringen har vært å analysere de enorme bildemengdene som dronene produserer. Forskerne bak denne studien løste dette ved å trene en avansert deteksjonsmodell basert på såkalte dype nevrale nettverk – en maskinell og sterkt forenklet etterligning av biologisk nervevev fra den menneskelige hjernen.
I studien ble det benyttet droner som kan kjøpes i butikk og sendes opp fra land eller båt, som i dette tilfellet. Foto © Sindre Molværsmyr
Ble opplært til å gjenkjenne fugler
Gjennom tre hekkesesonger ble dronebilder samlet inn fra 163 kolonier langs kysten, og over 23 000 fugler ble manuelt annotert. Ved hjelp av en bildeprosesseringsrutine satte forskerne sammen dronebilder til høyoppløselige, geometrisk korrigerte kartbilder (ortomosaikker), og tilpasset bildestørrelsene slik at de var kompatible med standard rammeverk innen dyp læring, altså opptrening av dataalgoritmer. Deretter ble 131 av ortomosaikkene brukt til å trene en nevral nettverksmodell, som til slutt ble evaluert ut fra hvor godt den oppdaget og artsbestemte fugler på bildemateriale fra 32 kolonier.
Høy deteksjonsgrad
Den ferdigtrente modellen oppnådde en deteksjonsrate på 87.5 %, som betyr at den fant nær ni av ti fugler i bildematerialet. Av denne andelen ble 92.4 % av individene korrekt artsbestemt. Modellen håndterte også kolonier med flere arter godt, selv om enkelte feil oppstod ved forveksling av visuelt like arter.
Lovende metodikk
Studien viser at kombinasjonen av droner og kunstig intelligens gir en effektiv og skalerbar løsning for overvåking av sjøfuglbestander. Metoden reduserer behovet for manuell analyse, sparer tid og ressurser, og kan forbedre grunnlaget for sjøfuglforvaltning. Selv om ny metodikk må gjennomgå grundig kalibrering opp mot tradisjonelle tellemetoder, viser studien at teknologien kan bli et viktig verktøy for å følge bestandsutviklingen i en tid der mange sjøfuglarter er under press.
Les artikkel: From pictures to numbers: Multi-species seabird surveys using drone imagery and neural networks
Kontakt: Sindre Molværsmyr