Искусственный интеллект поможет распознавать слонов на спутниковых снимках

Исследователи из Оксфордского университета совместно с коллегами из Университета Бата (Великобритания) и Университета Твенте (Нидерланды) обучили нейронную сеть распознавать слонов на спутниковых снимках. Тестирование системы показало, что она способна идентифицировать объекты на изображениях с такой же точностью, как и человек. Ученые надеются, что использование спутникового мониторинга в сочетании с технологиями искусственного интеллекта (ИИ) позволит предотвратить сокращение численности диких животных.

Основой работы стали архивные снимки со спутников Worldview-3 и Worldview-4 (в 2019 году второй спутник вышел из строя). Они принадлежат американской компании Maxar Technologies (ранее DigitalGlobe). Снимки с разрешением 31 см — это один из самых высоких показателей на рынке — были сделаны в период с 2014 по 2019 год. На них изображалась территория третьего по величине национального парка в Южно-Африканской Республике — Addo Elephant. Территория площадью свыше 1,6 тыс. км служит местом обитания для более 600 саванных слонов (Loxodonta africana, род африканских слонов). Авторы работы напоминают, что за последнее столетие численность этих животных резко сократилась. Как следует из результатов «Большой переписи слонов» (Great Elephant Census), проведенной в 2016 году в 18 африканских странах, одна из основных причин этого — браконьерство. Подсчет показывает, что в период с 2007 по 2014 год количество животных снизилось на 30%, или на 144 тыс. особей. Самое заметное сокращение наблюдалось в Анголе, Мозамбике и Танзании. Мало слонов обнаружено на северо-востоке Демократической Республики Конго, на севере Камеруна и юго-западе Замбии.

Парк Addo Elephant имеет неоднородный ландшафт: там есть кустарники, невысокие леса, открытые луга, водоемы. В течение дня слоны перемещаются по территории и иногда обливают себя грязью, чтобы защититься от жары. Все это затрудняет их обнаружение. Для идентификации животных на спутниковых снимках исследователи использовали сверточную нейронную сеть (Convolutional Neural Network, CNN), созданную с помощью системы TensorFlow от компании Google. CNN — это один из алгоритмов глубокого обучения, который позволяет идентифицировать и классифицировать объекты на изображениях. Он используется в том числе в системах распознавания лиц и в приложениях для медицинской диагностики. Для обучения нейросети авторы работы повысили пространственное разрешение спутниковых снимков с помощью инструмента ERDAS IMAGINE, позволяющего объединять панхроматические, или черно-белые, и мультиспектральные (цветные) изображения. После снимки разделили на фрагменты размером 600 × 600 пикселей.

Затем исследователи протестировали алгоритм и сравнили точность его работы с результатами 51 добровольца, которые пытались идентифицировать слонов вручную с помощью инструмента для разметки данных VGG Image Annotator (VIA). Среди участников эксперимента были специалисты по машинному обучению, ученые, работники национальных парков. Выяснилось, что нейросеть способна обнаруживать животных на спутниковых снимках почти с такой же точностью, как люди, причем как в однородной (например, водной), так и в неоднородной (наземно-воздушной) среде обитания. Кроме того, нейросеть, которую обучили распознавать взрослых слонов, могла идентифицировать и их детенышей, сообщается в статье, опубликованной в научном журнале Remote Sensing in Ecology and Conservation.

Ученые подчеркивают, что точный подсчет животных необходим для сохранения их численности. Однако существующие методы мониторинга, включая аэрофотосъемку и наземное наблюдение, слишком дороги и трудоемки. К тому же они не всегда точны: люди могут совершать ошибки из-за усталости или плохой видимости. Использование спутниковых снимков открывает новые возможности для исследований и позволяет людям наблюдать за животными на труднодоступных территориях без вмешательства в их жизнь.

Спутниковый мониторинг для массовой слежки

Чаще всего спутниковый мониторинг применяется для обнаружения и подсчета диких животных в гомогенной среде — например, в воде или в районах вечной мерзлоты. Так, в 2014 году сотрудники Кембриджского университета идентифицировали на спутниковых снимках 55 южных гладких китов (Eubalaena australis) и 23 объекта, похожих на этих млекопитающих. Изображение, охватывающее площадь более 113 кв. км, было сделано спутником WorldView-2 в районе залива Гольфо-Нуэво на полуострове Вальдес на атлантическом побережье Аргентины. В 2020 году британские ученые обнаружили 11 новых колоний императорских пингвинов в Антарктиде. Для этого они использовали снимки, сделанные спутниками из группировки Sentinel-2, которая была запущена на земную орбиту Европейским космическим агентством в рамках программы мониторинга окружающей среды Copernicus. Раньше предполагалось, что в мире насчитывается около 50 мест обитания этих животных, но ученые доказали, что их число достигает 61.

Использование алгоритмов, по мнению авторов нового исследования, позволяет ускорить процесс обнаружения слонов на спутниковых снимках. «Процесс, который обычно занимает недели, теперь можно завершить за несколько часов», — говорят они. Однако активному применению нейросетей мешает нехватка данных для обучения, а также высокая стоимость коммерческих спутниковых изображений. Например, стоимость архивных снимков, сделанных спутником Worldview-3, составляет $17,5 за 1 кв. км, а новых — $27,5 за 1 кв. км при минимальном заказе в 100 кв. км. Еще одна проблема связана с вопросом конфиденциальности. Так, в 2020 году американская компания Capella Space запустила спутник Capella-2. На борту спутника установлен радиолокатор с синтезированной апертурой (англ. Synthetic Aperture Radar, SAR). Благодаря этому он может делать снимки высокого разрешения в любую погоду и любое время суток. В следующем году Capella Space планирует запустить на орбиту еще шесть спутников. Кроме того, компания предлагает использовать онлайн-платформу, состоящую из веб-портала Capella Console и интерфейса прикладного программирования Capella API. С ее помощью клиенты смогут получить доступ к архивным снимкам или отправить запрос на новые наблюдения. Однако некоторые эксперты опасаются, что подобные технологии могут использоваться для массовой слежки за людьми. Так, компания Capella Space уже сотрудничает с Национальным управлением военно-космической разведки и Военно-воздушными силами США.