Aarhus Universitet har siden 2017 brugt droner til overvågning af ynglende vandfugle og hjortevildt. De nye metoder giver både bedre data og sparer tid i felten. Til gengæld er den efterfølgende optælling af dronebilleder tidskrævende, da det skal gøres manuelt.
Derfor har Aarhus Universitet i samarbejde med Alexandra Instituttet fået udviklet et system, hvor man ved hjælp af deep learning automatisk kan lokalisere og artsbestemme dyrene.
Thomas Eske Holm, seniorrådgiver ved Institut for Ecoscience, vurderer, at det nye system kan nedsætte tidsforbruget med 90 procent. Han regner med, at de i nogle projekter kan gå fra ti til én dag på den tid, som de bruger på at optælle og artsbestemme dyrene på et dronebillede.
En fugletæller i en koloni forstyrrer så meget, at fuglene går på vingerne. Derved øges risikoen for at rederne opdages af måger eller krager. Ved en overvågning med drone er forstyrrelsen langt mindre og fuglene bliver liggende på deres reder.
Danmark er ifølge EU’s fuglebeskyttelsesdirektiv ligesom resten af medlemslandene forpligtet til at tælle og indberette fugle hvert sjette år. På den måde kan man se, om bestandene er stigende eller faldende i Danmark, og om der skal gøres en indsats for at beskytte dem.
Droneovervågningen anvendes blandt andet på øen Langli ud for Esbjerg i Vadehavet. Her foregår overvågningen ved, at man overflyver området og tager en stor mængde billeder, som man sammensætter til et stort billede. Her tog det tidligere to uger på fuld tid at tælle og artsbestemme fuglene manuelt i en koloni med over 20.000 måger, hvilket nu kan gøres på én dag.
Et automatisk AI-system kan ikke kun bruges til fugle. Det kan også bruges til overvågning af hjortevildt. Her undersøges, om man kan lave en metode til overvågning af vildtet med termisk kamera. Det gøres ved at overflyve skoven om vinteren, når der ikke er løv på træerne, og ud fra termisk varme kan man registrere dyrene, der står under træerne.
Dronefotografering af krondyr med termisk og almindeligt kamera. Med det termiske kamera kan man registrere dyr der på de almindelige billeder er skjult under træerne.
Vi har lavet en visual search web app, hvor man uploader sit billede og klikker på det, man leder efter, og så kommer systemet med en masse bud.
Vi bruger denne indledningsvise søgning efter visuelt lignende ting til automatisk at træne dybt neurale netværk, der er særligt godt til at finde lige præcis dé objekter. Det giver en langt højere hitrate.
Fordelen er, at man kan søge med motiver, i stedet for med begreber. Hvis man for eksempel udvælger en fodboldbane eller et svømmebassin på kortet, kan softwaren gennemsøge hele danmarkskortet og finde lignende steder. På den måde kan man finde og tælle alt muligt.
Systemet har lokaliseret langt de fleste hættemåger. En justering af tærskelværdien har resulteret i 99 % præcision.
Udfordringen er, at det tager rigtig lang tid i dag at tælle op manuelt, så med et AI-system, der kan gøre det automatisk, sparer det meget tid. Det gør, at vi kan få udbredt overvågningen med droner til flere steder, fordi man let kan lave overvågningen. Man kan ovenikøbet få nogen, der måske ikke er kyndige i artsbestemmelse til at gøre det, fordi systemet kan gøre det for os.
Seniorrådgiver
Institut for Bioscience
Sund & Bælt har sammen med vores eksperter i 3D fået en løsning, der sikrer billigere vedligehold og forlænget levetid på deres broer og anlæg. Løsningen genkender automatisk betonskader ved brug af kunstig intelligens og sælges nu til andre virksomheder, så de får mulighed for samme genvinst.
Ved hjælp af kunstig intelligens kan RetinaLyze finde tidlige tegn på øjensygdomme forårsaget af diabetes. Det hjælper sundhedspersonalet og gør øjenscanninger tilgængelige for flere mennesker – også i 3. verdenslande.
Ved hjælp af appen FieldSense kan landmænd overvåge udviklingen af deres afgrøder og monitorere vejrforholdene lokalt på deres marker. Det giver overblik og sparer tid og penge.
Ⓒ 2024 - Alexandra Instituttet A/S
CVR Nr. 24 21 33 66
