- UNIMAS и SFC совместно работают над повторной идентификацией черепах.
- Разработка прототипа распознавания без мечения.
В рамках новаторской инициативы исследовательское сотрудничество междууниверситетом Université de Malaisie du Sarawak (UNIMAS)икорпорацией Sarawak Forestry Corporation (SFC)позволило добиться прорыва в сохранении черепах. Проект, ориентированный на самок зелёных черепах, был нацелен на то, чтобы произвести революцию в методах повторной идентификации, отказавшись от традиционного мечения. Отойдя от классических пластиковых или металлических меток, команда выбрала инновационный подход: с помощью камер, направленных вниз, получать изображения высокого разрешения гнездящихся особей.
Сохранение экосистемы Саравака
Богатое биоразнообразие Саравака находится под серьёзной угрозой из-за деятельности человека и деградации окружающей среды. Загрязнение, перелов и разрушение мест обитания особенно опасны для прибрежных зон. Давление на коралловые рифы, имеющие важное значение для морского биоразнообразия и рыболовства, связано с осадочными отложениями, химическими стоками и обесцвечиванием кораллов вследствие изменения климата. В Сараваке обитают различные морские виды, включая знаменитых зелёных черепах, жизненно важных для здоровья коралловых рифов и морских трав.
Утрата биоразнообразия в экосистемах Саравака подрывает их стабильность и предоставляемые ими услуги, включая чистый воздух и воду, продовольственную безопасность, регулирование климата и культурное значение для коренных общин.
Читайте также: первый семинар UTP по нейроразнообразию расширяет понимание проблемы
Достижения ИИ в области охраны природы
Под надзором SFC некоторые участки обозначены как зоны полной охраны (TPA) для минимизации взаимодействия с человеком, что способствует росту популяции. Команда изучает камерную съёмку вместо традиционного мечения.
Khalif Amir Zakry и Syahiran Soria из UNIMAS разрабатывают методы ИИ для решения задач идентификации черепах. Syahiran обучает модель глубокого обучения автоматическому выделению областей интереса (ROI) на панцире.
Khalif сочетает обученные модели с механизмами внимания, чтобы направлять сети на выявление стабильных во времени признаков. Модели обучаются на наборах изображений, собранных в течение двух лет на острове Talang-Satang.
Научные статьи обоих студентов были приняты журналами, индексируемыми в SCOPUS, и ожидают публикации. Несмотря на необходимость доработки прототипа, команда помогает защитить этих удивительных существ и их хрупкие экосистемы. В будущем планируется расширить периоды сбора данных и провести тщательную валидацию на более крупных наборах данных.