Drohnen zählen Tiere in Afrika

Drohnen fotografieren vom Himmel herab die Wildnis, eine Bilderkennungssoftware analysiert die Aufnahmen automatisch und Menschen übernehmen die Schlusskontrolle: So funktioniert kurz gesagt eine neue, von Schweizer Forschenden entwickelte Methode, die vom Schweizerischen Nationalfonds (SNF) gefördert wird. Sie soll eine schnelle und präzise Zählung von Wildtieren in Naturschutzgebieten ermöglichen. Erste Erfahrungen wurden im Reservat Kuzikus im südwestafrikanischen Namibia mit der Zählung von Gnus, Oryxantilopen und Nashörnern gemacht sowie in der Zeitschrift Remote Sensing of Environment  veröffentlicht.

«Die Herausforderung ist beachtlich: Gewisse afrikanische Nationalparks erstrecken sich über Flächen, die halb so gross sind wie die Schweiz», erklärt Devis Tuia, SNF-Förderungsprofessor, seit Kurzem an der Universität Wageningen (Niederlande) und Mitglied des Teams, das 2014 an der ETH Lausanne (EPFL) das Projekt namens Savmap initiierte. «Indem wir einen Teil des Zählprozesses automatisieren, wollen wir das Sammeln von genaueren und aktuelleren Daten erleichtern.»

Mit Drohnen lassen sich grosse Gebiete zu geringeren Kosten überfliegen. Dabei werden über 150 Bilder pro Quadratkilometer geschossen. Allein mit Fotos von der Landfläche ist das Problem aber nicht gelöst: Es ist gar nicht so einfach, Tiere von Landschaftselementen wie Sträuchern und Felsen zu unterscheiden.

Um das Rohmaterial visueller Informationen auswerten zu können, setzen die Forschenden künstliche Intelligenz (KI) ein, die auf «Deep Learning» basiert. Mit dem vom Doktoranden Benjamin Kellenberger entwickelten Algorithmus können die meisten Bilder ohne Tiere sofort eliminiert werden. Für die anderen Luftaufnahmen kennzeichnet das Programm Objekte, bei denen es sich um Tiere handeln könnte.

«Diese erste Phase zur Bereinigung des Bildmaterials ist die längste und mühsamste», erklärt Devis Tuia. «Sie kann aber nur durch KI übernommen werden, wenn kein Tier übersehen werden soll. Die Software muss deshalb eine recht grosse Toleranz aufweisen, auch wenn dadurch mehr falsch-positive Befunde resultieren, zum Beispiel fälschlicherweise als Tiere identifizierte Büsche, die anschliessend manuell eliminiert werden müssen.»

In einem ersten Schritt stellte das Team das Material zusammen, das notwendig ist, um die KI so zu trainieren, dass sie die relevanten Elemente erkennt. Im Rahmen einer internationalen Crowdsourcing-Kampagne der EPFL haben rund 200 Freiwillige in Tausenden von Luftbildern, die Forschende von der Savanne im Naturschutzgebiet Kuzikus in Namibia aufgenommen hatten, Tiere aufgespürt.

Diese Bilder wurden dem KI-Programm zur Auswertung vorgelegt, wobei es für verschiedene Arten von Fehlern jeweils andere Sanktionen erhielt: Wenn es einen Busch als Tier interpretierte, gab es einen Strafpunkt, wenn es hingegen ein Tier nicht erkannte, war der Abzug 80-mal grösser. So lernt die Software, Tiere von unbeweglichen Gegenständen zu unterscheiden, vor allem aber, kein Tier zu übersehen. Wenn die KI die Bilder bereinigt hat, kann ein Mensch das abschliessende Sortieren vornehmen. Erleichtert wird dies durch farbige Rahmen, die automatisch um verdächtige Elemente platziert werden.