위치정보 태그:

벨기에아이보리 해안

코모 지역의 동물상 조사를 위한 항공 사진 및 인공지능 활용

코트디부아르에서는 OIPR, 벨기에 국경없는 항공기구(Aviation Sans Frontières Belgium), 그리고 리에주 대학교가 동물 계수 보조 기술의 장점과 한계를 측정했습니다.

코모에: 코트디부아르에서는 항공 생물다양성 모니터링이 사진 촬영, 자동 인식 및 인간 검증을 결합하여 야생 동물에 대한 지식과 보존을 지원합니다.
OIPR 소속 조종사 키시 단두스가 2024년 코모에에서 진행된 하마 조사 중 배트 호크(Bat Hawk) 헬기를 조종하고 있다. 초경량 항공기를 사용하면 잠재적으로 비용을 절감할 수 있는 플랫폼이 되지만, 촬영된 이미지와 관찰 대상 표면을 정확하게 일치시키기 위해서는 촬영 기하학적 구조를 정밀하게 제어해야 한다(사진: 알렉시스 펠티에).

초원에서 가만히 서 있는 코브는 지상을 비행하는 관찰자의 눈에는 띄지 않고, 대신 비행기에서 찍은 사진에 나타날 수 있습니다. 코모에 국립공원코트디부아르 북동부에서 이러한 차이는 구체적인 결과를 낳았습니다. AI 기반 사진 조사 결과, 일부 포유류의 개체 수가 선상 직접 관찰 결과보다 훨씬 높게 추정되었습니다. 코브의 경우, 추정 증가량은 다음과 같습니다. 241 %멧돼지들을 위해 163 %이는 동물 개체 수의 증가가 아니라 탐지 방법의 차이입니다.

이 실험은 ~로 거슬러 올라갑니다. 2022년 공중전 캠페인이 공원은 코트디부아르 공원 및 보호청(OIPR)이 독일 개발은행 KfW의 공동 자금 지원을 받아 코모에 생물다양성 보호 프로젝트의 일환으로 조성했습니다. 벨기에 국경 없는 항공'하늘에서 보는 보존(Conservation From the Sky)' 프로그램을 통해 2021년부터 리에주 대학교의 젬블루 농생물기술연구소(Gembloux Agro-Bio Tech)와 협력하여 해당 방법론을 개발해 왔습니다. 이 연구는 이미지 획득, 자동 인식 및 인간 검증을 결합합니다.

결과는 2024년 6월 8일 온라인에 게시되었습니다. 생태정보학, 하나의 과학 연구 알렉상드르 델플랑크 외 9명의 저자가 서명했습니다. 비교 대상은 코끼리, 서부영양, 로안영양, 물소, 코브, 워터벅, 멧돼지 등 7종입니다. 따라서 이 데이터는 컴퓨터 비전 기술이 개체수 조사에 미치는 영향을 평가하기 위한 제한적인 실험적 기반을 제공하며, 이를 공원 내 모든 동물군에 자동으로 적용할 수는 없습니다.

코모에: 서아프리카의 광활한 보호 지역에서 과학 연구와 디지털 기술은 동물을 관찰하고 사바나와 숲 사이의 분포를 이해하는 데 기여하고 있습니다.
자동화 시스템은 해석가의 업무를 검증해야 할 이미지와 결과에 집중시켜 수동으로 아카이브를 검토하는 데 소요되는 시간을 줄여줍니다. 약 98%의 시간 절감 효과를 통해 전문가는 야생 동물 데이터를 사용하기 전에 식별 및 개체 수를 확인하는 실무적인 역할을 계속 수행할 수 있습니다. (그래프: 국경없는 항공 벨기에)
코모에: 코트디부아르 기관과 벨기에 파트너 간의 협력으로 항공 사진 및 컴퓨터 지원 분석을 포유류 개체 수 조사에 적용하여 자연 유산 관리에 유용한 데이터를 제공합니다.
이 그림 비교 자료는 딥러닝 기술을 활용하면 148.239장의 사진을 해석하는 데 필요한 인력이 700인일에서 14인일로 98% 감소할 것으로 추정합니다. 이 수치는 이미지 처리 시간 단축에 관한 것이며, 비행 시간 단축이나 전체 인구 조사 비용 절감과는 무관합니다. (그래프: 국경없는 항공 벨기에)

두 대의 카메라가 동일한 검출기 대역을 관찰합니다.

2022년 4월 2일부터 17일까지 12일간의 운영 기간 동안 54 비행 시간 이를 통해 156개의 횡단선을 조사할 수 있었으며, 이 횡단선은 표본 추출이 수행된 미리 설정된 선입니다. 조사 설계는 대략적인 면적을 포함했습니다. 해당 지역의 13%세스나 206 항공기는 조종사 1명, 전방 독립 관측자 1명, 후방 관측자 2명, 그리고 사진 촬영 담당관으로 구성되었습니다. 기내 측면에 장착된 2400만 화소 니콘 D5600 카메라 두 대가 2초마다 비스듬한 각도로 이미지를 촬영했습니다. 촬영된 이미지는 수집되었습니다. 190.686 장의 사진, 그 중 148.239 선별 후 트랜셉트에 속하게 되었습니다.

탐지기와 카메라가 동시에 설치되어 동일 지역에 대한 결과를 비교할 수 있었습니다. 이는 매우 중요한데, 서로 다른 시기나 장소에서 실시된 두 번의 조사는 동물의 이동과 같이 기술적 요인과는 무관한 이유로도 다른 결과를 낳을 수 있기 때문입니다. 따라서 여기서 핵심 질문은 더욱 명확했습니다. 항공기가 지나가는 동안 관찰한 내용에 사진 분석을 통해 얻을 수 있는 추가적인 정보는 무엇인가?

표본 추출은 전체 개체 수 조사와 구별되어야 합니다. 비행 경로에서 관찰된 개체들은 다음 사항의 기초가 됩니다. 인구 추정치 연구 대상 지역 내에서. 따라서 결과의 질은 동물을 식별하는 능력과 관찰 대상 영역을 정확하게 정의하는 능력 모두에 달려 있습니다. 사진에 나타나는 것을 완벽하게 셀 수 있는 알고리즘이라 하더라도, 표본 추출되지 않은 영역으로 인한 불확실성을 완전히 제거할 수는 없습니다.

하지만 사진 촬영은 실시간 관찰에서는 같은 정도로 제공되지 않는 가능성, 즉 현장으로 돌아갈 수 있는 가능성을 제시합니다. 이미지를 확대하여 두 번째 작업자가 검토하고 다른 사진과 비교할 수 있습니다. 따라서 인구 조사는 다음과 같은 결과를 남깁니다. 검토 가능한 문서이는 의심스러운 식별을 논의하거나 개체 수를 검증하는 데 유용합니다. 하지만 사진이 언제 어디서 촬영되었는지 아는 것이 여전히 중요합니다. 서식지와의 연관성이 없으면 동물의 사진은 개체 수를 추정하는 데 사용할 수 있는 자료가 되지 못합니다.

지리적 규모는 이 방법에 대한 관심을 설명해 줍니다. 코모에는 다음과 같은 장소입니다. 유네스코 세계문화유산 (1983년 제정) 이 지역은 약 1,15만 헥타르에 달하는 면적을 차지합니다. 강과 그 지류는 사바나, 강변 숲, 그리고 다양한 생태적 배경이 어우러진 모자이크 같은 지형을 흐릅니다. 이러한 다양성은 풍부한 생물 다양성을 뒷받침하지만, 동시에 위에서 야생 동물을 관찰하기 어렵게 만들기도 합니다. 탁 트인 초원과 숲 지대는 각각 다른 관찰 난이도를 제공합니다.

HerdNet은 동물을 선별하고, 전문가는 이미지를 검증합니다.

구성 요소 인공 지능 그것은 기반 허드넷항공 사진에서 포유류를 찾아 개체 수를 세는 데 사용되는 모델입니다. 이 모델은 대규모 집단 내에서 서로 가까이 있는 개체를 구분하는 특정 문제에서 과학적 기원을 찾았습니다. 2023년 연구에서 발표된 이 모델은 군중 계수 기법에서 영감을 얻어 조사 지점을 통해 동물을 표현합니다. 초기 연구는 차드의 엔네디 보호구역에 있는 가축을 비스듬히 촬영한 사진을 대상으로 진행되었습니다.

위치 파악과 종 분류는 서로 다른 작업입니다. 위치 파악은 잠재적인 동물의 위치를 ​​정확히 찾아내는 것이고, 종 분류는 그 동물을 특정 종으로 분류하는 것입니다. 정확한 위치 파악에도 불구하고 종을 잘못 식별하면 전체 개체 수가 타당하더라도 개별 개체군의 개체수 조사 결과가 왜곡될 수 있습니다. 관리 기관 입장에서 특정 장면에서 포유류가 열 마리 있다는 사실은 물소, 영양, 멧돼지가 각각 몇 마리인지 아는 것과는 전혀 다른 문제입니다.

Il HerdNet 코드 해당 소프트웨어는 건축 세부 사항, 측량 예시 및 사용 설명서와 함께 공개적으로 이용 가능합니다. 소프트웨어의 공개는 방법론의 검토 및 재사용을 용이하게 하지만, 서로 다른 위치에서 수집된 데이터를 상호 교환할 수 있게 해주는 것은 아닙니다. 모델, 사진 및 테스트 절차는 시스템의 별개 구성 요소로 유지됩니다. 코드를 실행할 수 있다는 것은 검증의 시작점이지 결론이 아닙니다.

코모에에서는 이전에 우간다 이미지를 사용하여 학습된 모델을 현지 상황에 맞게 조정했습니다. 이 과정에는 다음이 포함되었습니다. 세 단계의 인간 검증 그리고 필요한 전반적인 111시간의 인간 노동따라서 반자동 처리는 전문가의 주의를 집중시키고 탐지 및 계산에 대한 통제력을 유지하는 데 도움이 됩니다.

한 보호구역에서 다른 보호구역으로 이동할 때는 카메라가 포착하는 환경이 달라지기 때문에 주의가 필요합니다. 배경, 식생, 종의 외형 등이 실제 동물과 훈련에 사용된 예시 이미지 간의 유사성을 변화시킬 수 있습니다. 지역 적응은 시스템이 학습한 상황과 분석해야 하는 상황 사이의 격차를 줄이는 구체적인 기능을 합니다. 또한, 한 조사에서 좋은 성과를 보였다고 해서 이후 조사에서도 좋은 결과를 보장할 수 없는 이유이기도 합니다.

분업을 통해 체계적인 사진 촬영의 진정한 장애물, 즉 검토해야 할 자료의 방대한 양 문제를 해결할 수 있습니다. 많은 양의 이미지를 생산하는 것은 공원의 필요에 맞는 시간 내에 통제된 관찰 결과로 변환될 수 있을 때만 의미가 있습니다. 분석 능력보다 빠르게 자료가 축적되는 아카이브는 문제를 해결하기보다는 미루는 것에 불과합니다.

더 높은 추정치는 아프리카 전역에서 탐지 가능성에 차이가 있음을 보여줍니다.

실험적 비교 결과, 코브와 멧돼지의 경우 추정치가 상당히 높게 나왔지만, 다른 주요 종들의 결과는 비슷했습니다. 가장 작은 두 포유류의 경우, 더 좁은 신뢰 구간동물을 가리는 초목은 두 방법 간의 차이를 설명하는 주요 요인으로 남아 있었습니다.

범위가 좁을수록 다음을 의미합니다. 더 높은 통계적 정확도 고려된 조건 하에서의 추정치일 뿐입니다. 이는 존재하는 모든 동물이 관찰되었다는 것을 증명하는 것도 아니고, 모든 체계적인 오류를 배제하는 것도 아닙니다. 개체군의 일부가 초목 아래에 가려져 보이지 않는다면, 개체수 조사는 일관성이 있으면서도 불완전할 수 있습니다. 이러한 측면들을 구분함으로써 측정된 개선 사항이 절대적인 개체수 조사라는 약속으로 둔갑하는 것을 방지할 수 있습니다.

행동 양식의 차이는 사진 촬영의 이점을 설명하는 데 도움이 됩니다. 국경없는 항공(Aviation Sans Frontières)은 코브와 멧돼지는 항공기가 지나갈 때 가만히 있는 경향이 있는 반면, 물소, 옥스페커, 로안 영양은 도망칠 수 있다고 설명합니다. 움직임은 관찰자의 주의를 끌지만, 움직이지 않는 개체는 장면을 더 오랫동안 자세히 살펴봐야 할 수도 있습니다. 사진은 그 장면을 기록해 두고 비행 후 시간을 들여 관찰할 수 있게 해줍니다.

과거 자료를 분석할 때 결과 해석의 정확성은 매우 중요합니다. 새로운 기법의 도입으로 더 많은 동물을 식별할 수 있게 되면, 이전 조사 결과와 비교했을 때 개체 수가 증가한 것처럼 보일 수 있습니다. 이러한 변동을 번식, 사망률 또는 보존 조치에 기인한 것으로 판단하기 전에, 개체 수가 실제로 얼마나 변했는지 평가하는 것이 필수적입니다. 탐지 능력병렬 실험은 바로 이러한 불연속성을 논의하기 위한 틀을 제공합니다.

2024년에 논의된 박사 학위 논문에서, 알렉상드르 델플랑크 코모에 사례를 원격 탐사와 딥러닝의 통합이라는 더 광범위한 과정의 맥락 속에 배치합니다. 이 연구는 예상되는 감소량을 정량화합니다. 인간 노동의 98% 사진을 완전히 수동으로 해석하는 것과 비교했을 때, 그 결과는 이미지 처리 측면에서만 볼 때, 전체적인 인구 조사 비용, 비행 시간 또는 공원 관리 활동의 감소로 이어지지는 않습니다.

자료 수집, 장비 관리, 데이터 관리 및 통계 분석은 여전히 ​​체계적으로 이루어져야 합니다. 사진 분석에 소요되는 시간을 절약함으로써 이 방법을 더욱 실용적으로 만들 수 있지만, 운영 예산은 전체 캠페인을 포괄해야 합니다. 이러한 차이점은 다음과 같습니다. 분석 효율성 전반적인 효율성은 실제로 어떤 자원을 확보할 수 있고 어떤 자원이 계속 필요한지 평가하는 데 도움이 됩니다.

초경량 항공기는 관측된 표면적 문제를 제기합니다.

진화는 사용과 관련이 있습니다. 초경량 항공기국경없는항공기구(Aviation Sans Frontières)는 2024년 하마 조사에 사용된 코모에 박쥐매(Comoé Bat Hawk)를 기록했습니다. 더 저렴한 플랫폼을 도입할 가능성은 기술적인 문제를 수반합니다. 바로 카메라를 GPS와 연동하는 것입니다. 관성 측정 장치자세 변화를 기록하여 샘플링된 표면을 더 정확하게 재구성할 수 있습니다. 2024년 11월 보고서에서는 이 통합 기능이 테스트 단계에 있다고 설명했습니다.

자세와 계수 사이에는 직접적인 연관성이 있습니다. 항공기가 기울어지면 이미지에 나타나는 지형의 비율이 달라지는데, 지리적 위치만으로는 촬영의 기하학적 구조를 완벽하게 파악할 수 없습니다. 관측된 표면적을 잘못 추정하면 정확한 계수조차도 잘못된 밀도 결과를 초래할 수 있습니다. 따라서 인구 조사의 질은 자세와 계수 사이의 관계에 달려 있습니다. 센서, 항공기 움직임 및 지형동물 인식 능력도 포함됩니다.

관리 기관 입장에서 저렴한 플랫폼의 장점은 반복적인 조사를 지원할 수 있다는 점입니다. 그러나 조사 빈도와 더불어 결과의 비교 가능성 또한 확보되어야 합니다. 카메라 종류, 촬영 각도, 또는 조사 대상 선정 절차를 변경하면 결과가 달라질 수 있기 때문입니다. 보존에 유용한 모니터링을 위해서는 조사 간의 차이를 해석하여 동물상의 변화와 관찰 시스템으로 인해 발생한 변화를 구분할 수 있어야 합니다.

유네스코는 코모에 습지 관리에 필요한 사항으로 감시, 밀렵 방지, 지역 사회 참여, 지속 가능한 재정 확보를 꼽습니다. 포유류 정보는 이러한 활동을 뒷받침할 수 있지만, 정보만으로는 보존 정책의 효과를 측정할 수 없습니다. 보다 정확한 추정치는 실제 서식하는 동물의 수를 파악하는 데 도움이 되며, 개체 수 변동을 설명하기 위해서는 생태학적 지식과 현장 관찰 또한 필요합니다.

OIPR, 벨기에 국경없는 항공기구(Aviation Sans Frontières Belgium), 그리고 리에주 대학교의 공동 연구는 문서화된 사례를 제공합니다. 연구 및 개발 환경 모니터링에 적용됩니다. 사진 촬영은 관찰 결과를 검증 가능하게 하고, HerdNet은 조사해야 할 자료의 양을 줄여주며, 전문가는 식별 과정을 관리할 수 있습니다. 후속 조사에서 이러한 절차의 연속성은 매우 중요합니다. 동물상에 대한 데이터는 이전 및 미래 데이터와 비교할 수 있을 때 관리적 가치를 지니게 됩니다.

다음은 귀하가 관심을 가질 만한 세 가지 통찰력입니다.

야구아스 숲에서 인공지능이 아마존의 숨겨진 생명체를 측정합니다.
머스탱에서는 AI 드론이 외딴 히말라야 산맥을 순찰합니다.
펭귄과 AI: 남극 모니터링의 스마트한 전환

코모에: 서아프리카의 광활한 보호 지역에서 과학 연구와 디지털 기술은 동물을 관찰하고 사바나와 숲 사이의 분포를 이해하는 데 기여하고 있습니다.
2022년 코모에 항공 조사팀은 조종, 야생 동물 관찰 및 사진 촬영 관리를 결합하여 동일한 지역에서 시각적 개체 수 조사와 이미지 촬영을 동시에 수행함으로써 조사 방법 비교, 공통 표본 추출 기준 유지 및 비행 후 검토 가능한 문서화를 가능하게 합니다. (사진: 알렉시스 펠티에)

지도에서 보기

코멘트

코멘트를 남겨주세요

관련 기사