Savvaļas pārnadžu populācijas novērtēšana, izmantojot vizuālo atpazīšanu meža kameru datos, un salīdzināšana ar apmācītas mašīnmācīšanās modeļa rezultātu

Abstract

Eiropā pēdējās desmitgadēs strauji palielinās pārnadžu populācijas, kas ik gadu rada simtiem miljonus eiro zaudējumos, tāpēc ir nepieciešamas metodes, lai efektīvi novērtētu pārnadžu populācijas. Meža kameras var būt labs risinājums, lai aizstātu uz vizuālajiem novērojumiem balstītas uzskaites bet tās ievāc lielus datu apjomus, kuru analīze aizņem ilgu laiku. To var risināt dziļās mašīnmācīšanās modeļi. No 2021. gada 1.janvāra teritorijā pie Rāmuļiem visu gadu tika izliktas 22 meža kameras, ar kurām tika noteikts pārnadžu relatīvais daudzuma indekss. Staltbrieži sastādīja 83,2%, stirnas 8,2%, aļņi 3,8% un meža cūkas 4,6%. Tika uztrenēts YOLOv5 mašīnmācīšanās modelis, kurš spēja atpazīt pārnadžus ar 83,9% pareizību. Tas pareizi klasificēja 98,2% no detektētajām stirnām, 70,9% no detektētajām meža cūkām, bet staltbrieža klasifikācijas pareizība bija tikai 0,1%, un alnis netika pareizi klasificēts vispār. YOLOv5 modeļa detektētais dzīvnieku skaits spēja izskaidrot 51,1% no vizuālās novērošanas iegūtā dzīvnieku skaita.

Ungulate populations are quickly increasing in Europe, which leads to hundreds of millions euro in losses, creating a need for effective methods to estimate ungulate populations. Camera traps can be a good solution to replace methods based on visual observations, but they acquire large amounts of data that take long to analyze. This can be solved with deep machine learning models. 22 camera traps were deployed near Rāmuļi from January 1st 2021, from which relative population indices were derived. Red deer constituted 83,2% of all animals, roe deer 8,2%, elk 3,8%, and wild boar 4,6%. A YOLOv5 model was trained that achieved a detection accuracy of 83,9%. It correctly classified 98,2% of detected roe deer and 70,9% of wild boar, but red deer had a 0,1% classification accuracy and elk was not correctly classified at all. Counts of YOLOv5 model could explain 51,1% of counts from visual observations.