280-Bird Counting met deep learning en drones

https://www.computable.nl/artikel/nieuws/digital-innovation/7313023/250449/vogels-tellen-met-drones-en-deep-learning.html
Vervolgens worden de verschillende vogels handmatig geclassificeerd. De grote stern, zwartkopmeeuw, kokmeeuw en visdief vormen de grootste groepen. Het onderscheid zit in kleine details. Daarnaast moet ook bijgehouden worden welke vogels op een nest zitten en welke niet. De kolonie in Waterdunen werd eerst handmatig geteld. Daarbij kreeg iedere vogel een stip met kleurcode. Die dataset bleek het perfecte hulpmiddel om de deep learning-modellen te trainen en testen. Job de Jong, GIS- en Remote Sensing-specialist bij Bureau Waardenburg: ‘Aan de hand van die data hebben we een subset gemaakt van een deel van de kolonie. Vervolgens is het een kwestie van op een paar knoppen drukken, en dan classificeert het algoritme de rest van de vogels zelf.’

Tijdswinst
"Met een paar drukken op de knop heb je een resultaat"
De eerste resultaten zijn zeer positief, hoewel het classificeren met het algoritme nog niet zo nauwkeurig is als met de hand. De Jong. ‘De verschillen tussen het gedrag en de soorten zijn op de dronefoto's zo minimaal dat er meer trainingsdata nodig zijn om een algoritme dat goed aan te leren. Maar wanneer we de trainingsdataset aanvullen met nieuwe beelden wordt het algoritme steeds beter. Dus de komende jaren neemt de nauwkeurigheid snel toe.’

Het grootste voordeel van de kolonietelling door deep learning is volgens De Jong tijdwinst. 'Met een paar drukken op de knop heb je een resultaat. Dat scheelt enorm veel tijd vergeleken met op iedere vogel handmatig een stip zetten. In een kolonie als de Waterdunen zitten bij elkaar wel meer dan 13.000 vogels. Het handmatig nalopen van al deze vogels kost al snel enkele dagen. Door slechts een deel van de kolonie te hoeven tellen voor een trainingsset, en de rest automatisch te laten classificeren met deep learning-modellen, kan in een halve dag al een heel goed resultaat worden behaald. Ook wanneer we het resultaat nog met de hand moeten corrigeren, is het nog steeds aanzienlijk sneller.'

Eenvoudig beginnen
Willem Vlot, analytics consultant bij Esri Nederland. ‘Wij hadden zelf nog nooit eerder een project gedaan waarbij we deep learning inzetten om vogels te tellen. Samen met Bureau Waardenburg hebben we het proces doorlopen in ArcGIS Pro, met als doel dat ze aan het einde van de dag er zelf mee verder konden. Met het ontwikkelen van een deep learning-model is het zaak om eenvoudig te beginnen. De eerste vraag die we onderzocht hebben is of we überhaupt een vogel konden detecteren. Dat doet de technologie aan de hand van kleur, vorm en het contrast met de achtergrond, zoals we dat met het menselijk brein ook doen. Van daaruit zijn we het model gaan uitbreiden tot het detecteren van verschillende soorten. Dat is uiteindelijk dus goed gelukt. Een paar weken na de start van de pilot waren de resultaten al zodanig goed dat er besloten werd om ermee te blijven werke

https://www.computable.nl/artikel/nieuws/digital-innovation/7313023/250449/vogels-tellen-met-drones-en-deep-learning.html