Nieuwe stap naar automatische herkenning van zeevogels en zeezoogdieren

Het handmatig detecteren en identificeren van zeevogels en zeezoogdieren is kostbaar. Daarom zette Wozep de eerste stap naar een digitale tool voor automatische detectie en identificatie in digitale videobeelden. Wageningen University en Research (WUR) kreeg de opdracht om een plan van aanpak op te stellen voor de ontwikkeling van zo’n op deep learning gebaseerd algoritme.

Copyright DMP - Vogels - Jan van Gent - Morus bassanus - 002_© Dutch Maritime Productions

Jan-van-gent ©Dutch Maritime Productions

Nu nog handmatig

Vanaf februari 2021 voerde Bureau Waardenburg BV samen met HiDef-BioConsult SH tweemaal per maand een digital aerial survey op zee uit, in en buiten het Belgisch-Nederlandse windgebied nabij Borssele. Hiermee willen we een jaarrond overzicht krijgen van aantallen en dichtheden van zeevogels en zeezoogdieren in en buiten de operationele (en deels nog in aanbouw zijnde) windparken. Ook willen we verzameld beeldmateriaal gebruiken voor de ontwikkeling van een geautomatiseerd beeldverwerkingsalgoritme. Zo werken we toe naar de surveymethode van de toekomst.

Deep learning

Om in dat laatste meer inzicht in te krijgen heeft Wozep aan Wageningen University en Research (Agrofood Robotics Group en Wageningen Marine Research) opdracht gegeven een plan van aanpak op te stellen voor de ontwikkeling van zo’n op deep learning ofwel artificial intelligence gebaseerd algoritme. De high definition videobeelden die voortaan op deze manier verzameld en verwerkt worden, moeten uiteindelijk leiden tot zoveel mogelijk soort-specifieke dichtheidskaarten van de aanwezige vogels en zeezoogdieren. Op die manier zouden in de toekomst ook de standaard surveys (o.a. het monitoringsprogramma MWTL-vogeltellingen en het Europese project SCANS voor zeezoogdiertellingen) en andere projectmatige surveys snel en betrouwbaar uitgevoerd en verwerkt kunnen worden. Dat zou de inzet van bemande vluchten en van langdurige en daardoor kostbare handmatige verwerking overbodig maken.

Om te komen tot een automatische tool, doorlopen we drie fasen:
1. Korte termijn (1 jaar)
De eerste fase draait om een zogenoemd ‘proof of principle’: er moet worden aangetoond dat de software daadwerkelijk de bruikbare resultaten oplevert.
2. Middellange termijn (3 jaar)
In de tweede fase ontwikkelen we een complete set aan software. Deze richt zich op datagestuurde biodiversiteitsdoelstellingen. Er kunnen ook modellen voor andere diergroepen worden opgenomen.
3. Lange termijn (5 jaar)
Het doel van de derde fase is het onafhankelijk gebruik door meerdere partijen.

Eerste fase cruciaal

Omdat de grootste uitdaging bij de start ligt, focust het plan van aanpak op de eerste fase, met een duidelijke doorkijk naar de andere twee fases. Op basis van het plan van aanpak haalde WMR samen met het windpark GEMINI - dat eenzelfde vraag heeft - een PPS-call binnen waarbij een begin wordt gemaakt met fase 1. Hierbij wordt gebruikgemaakt van de beelden die in opdracht van Wozep zijn verzameld. Een ‘vliegende start’!