Ecologen kunnen het tellen van zeehonden op luchtfoto’s voortaan overlaten aan kunstmatige intelligentie, dankzij onderzoek uit Nederland en Zwitserland.

Hoe gaat het met de zeehond? Waar verblijven de dieren tegenwoordig graag, waar trekken ze juist vandaan? Om dit soort zaken bij te houden, tellen ecologen met enige regelmaat hoeveel zeehonden zich waar bevinden. Hiervoor worden digitale luchtfoto’s gemaakt, waarna de dieren handmatig worden geteld. Dat werkt prima, maar is wel een tijdrovende klus.

Daarom hebben onderzoekers van NIOZ (Koninklijk Nederlands Instituut voor Onderzoek der Zee), WUR (Wageningen University & Research) en EPFL (École Polytechnique Fédérale de Lausanne) nu een computermodel bedacht dat het tellen van ze overneemt.
 

Honderd per minuut

Dankzij deep learning kan het model een schatting maken van de hoeveelheid zeehonden op de foto’s. Hij doet dat bijna net zo goed als een mens, maar wel veel sneller: waar een ecoloog pakweg honderd foto’s per uur kan verwerken, doet het deep learning-systeem er een minuut over. En dat scheelt nogal, zegt onderzoeker Jeroen Hoekendijk van het NIOZ en de WUR: ‘In het Nederlandse deel van de Waddenzee vindt voor het tellen van zeehonden tien keer per jaar een vlucht plaats die twee- tot drieduizend foto’s oplevert.’

De onderzoekers publiceerden deze onderzoeksresultaten begin december in het wetenschappelijke tijdschrift Scientific Reports.
 

Speciale training

Bij zijn training kreeg het deep learning-systeem foto’s aangeboden waarop niet elke zeehond afzonderlijk was gelabeld, maar het label alleen aangaf hoeveel zeehonden er te zien waren. Dit in tegenstelling tot wat gebruikelijk is in de ecologie, namelijk het herkennen van individuele dieren op foto’s. Het systeem bleek goed te werken, bij verschillende hoogten en hoeken van waaruit de foto was genomen.

 

De deep learning-methode geeft goede resultaten. Foto: Jeroen Hoekendijk (NIOZ/WUR) Bron: Persbericht WUR

 

Andere toepassingen

Om te kijken of het principe breder toepasbaar is, testten de wetenschappers het model ook uit op een geheel andere dataset, namelijk de minuscule groeiringen in gehoorstenen (otolieten) van vissen. Dit zijn calciumcarbonaatstructuren net achter de hersenen van een vis. Omdat deze schil voor schil aangroeien laten ze groeiringen zien en geven dus – net als bij een boom – een indicatie voor de leeftijd van de vis. Ook hier telde het systeem vrijwel even goed als een mens, maar veel sneller.

 

Openingsbeeld: depositphotos.com