Где обитают дикие животные: идентификация диких животных с помощью SpeciesNet

Год назад SpeciesNet, инструмент, использующий искусственный интеллект для автоматической идентификации видов на изображениях с фотоловушек, стал проектом с открытым исходным кодом. Сейчас разработанный Google инструмент используется всё большим количеством людей для проведения исследований и природоохранных мероприятий.

Камеры, срабатывающие от движения, или «фотоловушки», предоставляют всем — от домовладельцев до управляющих парками — беспрецедентную возможность наблюдать за местной дикой природой. В то время как любопытный пользователь заднего двора может определить животное невооруженным глазом, в более масштабных проектах сейчас собираются тысячи или даже миллионы изображений дикой природы, на ручную идентификацию которых ушли бы десятилетия.

Сегодня все больше людей используют ИИ для идентификации животных на своих изображениях с помощью SpeciesNet. Эта разработанная Google модель ИИ может классифицировать почти 2500 категорий животных на изображениях с фотоловушек благодаря партнерам по охране природы, предоставившим 65 миллионов размеченных изображений для обучения модели. Первоначально являясь частью онлайн-платформы Wildlife Insights, год назад мы выпустили SpeciesNet в открытый доступ как инструмент с открытым исходным кодом, который другие могут загружать, адаптировать и совершенствовать.

За последние 12 месяцев исследовательские группы по всему миру использовали модель SpeciesNet с открытым исходным кодом для обнаружения пум и оцелотов в Колумбии, лосей и черных медведей в Айдахо, казуаров и мускусных кенгуру в Австралии, а также львов и слонов в национальном парке Серенгети в Танзании. Модель искусственного интеллекта позволяет большему числу людей задавать более широкие вопросы о поведении диких животных и охране природы.

SpeciesNet является частью Google Earth AI, набора геопространственных инструментов, наборов данных и моделей искусственного интеллекта для глубокого изучения планеты. Earth AI помогает сообществам и некоммерческим организациям решать наиболее насущные проблемы планеты.

На снимках, сделанных в рамках программы Snapshot Serengeti в национальном парке Серенгети в Танзании, запечатлена группа слонов ночью, величественный самец льва, зебра в профиль и бородавочник, который, судя по всему, смотрит в камеру. Автор фото: Snapshot Serengeti / TM Anderson

Новая эра в мониторинге дикой природы

Сегодня практически весь эффективный мониторинг дикой природы основан на использовании фотоловушек, срабатывающих от движения. Камеры обычно устанавливаются на деревьях. В большинстве случаев движение излучающих тепло тел запускает серию снимков длительностью в несколько секунд. Все более доступные технологии позволяют проектам развертывать десятки или даже сотни камер, генерируя огромные объемы данных.

SpeciesNet использует глубокое обучение для автоматического определения видов животных, присутствующих на фотографиях с фотоловушек. Эта автоматизация ускоряет исследования, способствует более эффективному анализу данных и, в конечном итоге, помогает принимать более обоснованные решения в области управления и охраны природы.

Идентификация животных важна для оценки состояния популяции и получения ранних предупреждений о любых изменениях; для изучения миграции животных, особенно в ответ на изменение климата; и для получения научно обоснованных данных о численности популяций для управления ими. Наблюдения за редкими или находящимися под угрозой исчезновения видами также имеют решающее значение для понимания и защиты находящихся под угрозой популяций.

Обучение и производительность SpeciesNet

SpeciesNet — это глобальная модель, классифицирующая 2498 категорий, включая млекопитающих, птиц и рептилий. SpeciesNet работает совместно с другой моделью с открытым исходным кодом, MegaDetector, чтобы определить, какие изображения — и какие пиксели внутри этих изображений — содержат животных. SpeciesNet присваивает каждому идентифицированному животному название вида и уровень достоверности, включая несколько животных одного или разных видов на одном изображении. SpeciesNet может обрабатывать около 30 000 изображений в день на стандартном ноутбуке или 250 000 и более изображений в день на недорогой игровой видеокарте.

Эти снимки были сделаны в Колумбии проектом «Люситания» при Университете Анд, одном из участников национального проекта «Красные отусы». Слева: оцелот, небольшая дикая кошка, находящаяся под угрозой исчезновения на юге США и в Мексике, но всё ещё распространённая в Южной Америке. Справа: пума (также известная как горный лев), едва различимая в тусклом свете. Источник: Проект «Люситания»/Университет Анд/Красные отусы

SpeciesNet работает в рамках платформы Wildlife Insights на базе Google Cloud с 2019 года. Wildlife Insights — это платформа, созданная сообществом, на которой размещено около 200 миллионов изображений с проверенными людьми метками. SpeciesNet помогает пользователям Wildlife Insights размечать свои изображения; любое из этих размеченных изображений, проверенных людьми, может, в свою очередь, служить обучающими данными для SpeciesNet.

Модель SpeciesNet была обучена на наборе из более чем 65 миллионов изображений, включая отобранные изображения от сообщества пользователей Wildlife Insights, а также размеченные изображения из общедоступных репозиториев. Модель использует сверточную нейронную сеть для идентификации животных до видового уровня, если это возможно, в различных условиях освещения, угла и расстояния до объекта. Этот обширный обучающий набор данных позволил модели SpeciesNet обнаружить 99,4% изображений, содержащих животных, на отложенном тестовом наборе проектов с фотоловушками. В 83% случаев она классифицирует животное до видового уровня, и 94,5% этих предсказаний верны. Более подробная информация об обучающих данных модели, ее производительности и оценке содержится в нашей публикации 2024 года.

На снимках, сделанных Департаментом рыболовства и охоты штата Айдахо (IDFG), запечатлены семейство черных медведей, койот, олень-мул и лось. IDFG использует сотни фотоловушек для мониторинга видов, особенно в более лесистой северной части штата. Источник: Департамент рыболовства и охоты штата Айдахо.

Партнерские проекты SpeciesNet по всему миру

Среди наиболее значимых проектов за прошедший год можно отметить следующие:

• Теперь можно анализировать миллионы изображений дикой природы африканской саванны, полученных с 2010 года в рамках программы фотоловушек Snapshot Serengeti. Хотя на ранних этапах анализом изображений занимались гражданские ученые, со временем поток снимков превысил возможности волонтеров. Благодаря SpeciesNet, Тодд Майкл Андерсон из Университета Уэйк Форест анализирует этот массив из примерно 11 миллионов изображений всего за несколько дней. Установка SpeciesNet на его ноутбук также позволяет Андерсону обрабатывать данные с фотоловушек в полевых условиях, а затем использовать последние данные о дикой природе для повторного развертывания камер в режиме реального времени для сбора целевых данных.
• Несколько групп адаптировали SpeciesNet к местным видам. В Австралии организация Wildlife Observatory of Australia (WildObs) обучила версию SpeciesNet на животных, не включенных в существующие 2498 меток. WildObs обучила SpeciesNet на изображениях видов, встречающихся только в Австралии, таких как мускусный кенгуру-крыса и оранжевоногая кустарниковая курица, что позволяет распознавать ключевые виды в Австралии, где обитает множество уникальных и находящихся под угрозой исчезновения видов. WildObs также передает свои новые изображения и обучающие данные в более широкое сообщество через платформу Wildlife Insights.
• Государственные природоохранные и транспортные ведомства используют SpeciesNet для обработки данных с фотоловушек. Например, Департамент рыболовства и охоты штата Айдахо добавил SpeciesNet в свой существующий рабочий процесс при анализе изображений с сотен камер, используемых для наблюдения за оленями, лосями, черными медведями и другими дикими животными, включая редкие и находящиеся под угрозой исчезновения виды. Фотоловушки особенно полезны в более лесистой северной части штата. SpeciesNet используется в качестве первого этапа идентификации видов, что значительно ускоряет заключительный этап проверки человеком.
• Миллионы новых пользователей теперь имеют доступ к SpeciesNet через общедоступные и частные платформы. Веб-ресурсы, такие как платформа данных с фотоловушек Animl от The Nature Conservancy, теперь добавили SpeciesNet в свой набор моделей. AddaxAI, настольный инструмент, позволяющий экологам обрабатывать изображения с помощью моделей ИИ на своих компьютерах, также интегрировал SpeciesNet. Частные компании также используют SpeciesNet. Например, Okala использует SpeciesNet и разработанный Google инструмент для обработки аудиоданных с помощью ИИ, Perch, для мониторинга биоразнообразия в нескольких странах Африки.
• Организация Wildlife Insights, первоначально разработавшая SpeciesNet, также расширилась за последний год. В Колумбии Институт Гумбольдта расширил свою деятельность по установке фотоловушек, создав национальную сеть Red Otus, которая собирает изображения с фотоловушек на государственных и частных землях. С момента запуска Red Otus в 2024 году на COP16 группа увеличила размер своей сети в четыре раза, до 446 камер и более 100 000 снимков, полученных к 2025 году. Она использует эти данные для определения изменений в суточном режиме жизни млекопитающих и перелетных птиц. Анализ показывает, что некоторые млекопитающие становятся более ночными, возможно, чтобы избежать угроз, а птицы появляются позже утром в застроенных районах, возможно, чтобы избежать хищников.

Изображения, полученные Австралийской обсерваторией дикой природы (WildObs), одной из организаций, обучивших версию SpeciesNet с открытым исходным кодом для идентификации дополнительных видов, имеющих местное значение. Слева: Пара красноногих падемелонов, разновидность валлаби, которые, похоже, борются друг с другом. В центре: Оранжевоногая кустарниковая курица. Справа: Одиночный казуар, смотрящий прямо в камеру. Источник: Австралийская обсерватория дикой природы

Взгляд в будущее

Выпуская SpeciesNet в качестве ресурса с открытым исходным кодом, мы стремились содействовать сотрудничеству и ускорить прогресс в мониторинге и сохранении дикой природы во всем мире. Репозиторий GitHub предоставляет доступ к коду, документации и ресурсам, необходимым для запуска и адаптации модели. Мы призываем сообщество продолжать вносить свой вклад в проект, совершенствовать модель и расширять ее возможности, как это уже сделали первые пользователи этого инструмента с открытым исходным кодом.

Исследовательским группам или отдельным лицам, предпочитающим платформу, которая легко и быстро запускает SpeciesNet и помогает управлять данными и сотрудничать с другими группами, рекомендуется изучить платформу Wildlife Insights — глобальный ресурс для мониторинга и управления биоразнообразием.

SpeciesNet представляет собой значительный шаг вперед в автоматизации и ускорении анализа изображений дикой природы, от бабуинов до валлаби. Наша цель — поддержать разработку моделей искусственного интеллекта в рамках непрерывных совместных усилий по пониманию и защите биоразнообразия во всем мире.

Благодарности

Благодарим всех ученых, чей вклад в проект Wildlife Insights сделал возможным создание SpeciesNet. Особая благодарность Томеру Гадоту и Штефану Истрате, которые руководили обучением работе с SpeciesNet. По вопросам использования SpeciesNet обращайтесь по адресу cameratraps@google.com.

Источник: research.google