Aarhus Universitets segl

Ny overvågning skal afkode og genkende motiver

Et billede siger mere end 1000 ord, og ph.d.-studerende Oskar Liset Pryds Hansen forsøger at trække ordene ud af billederne. Overvågningscomputer skal nemlig lære at genkende motiver som insekter, edderkopper og biller, og på sigt kan det bruges i overvågningen af vores natur.

En faldfælde, der er gravet ned i jorden, fungerer som overvågning af leddyr på de af Molslaboratoriets arealer i Nationalpark Mols Bjerge, som indgår i projektet Rewilding Mols. Det er en fælde for dyrene, men samtidig er det en dataindsamler for et hold forskere fra Naturhistorisk Museum Aarhus og Aarhus Universitet. De to parter er nemlig interesserede i, hvilke insekter der ryger i fælden, for det fortæller noget om naturens liv og udvikling i området.

Metoden med at bruge en faldfælde har været brugt i mange år og er en vidt udbredt metode for overvågning af insekter og andre leddyr. Jævnligt tømmes koppen for de dyr, der er gået i fælden, blandt andet i Mols Bjerge. Herefter følger en proces i laboratoriet med at adskille, tælle og identificere indholdet. Men med ny teknologi kan man måske nedbringe det ressourcekrævende, manuelle arbejde.

- Det er væsentligt at udvikle nogle metoder, som kan effektivisere og samle nogle data i et niveau af information, vi ikke har kunnet gøre tidligere, forklarer erhvervs-ph.d.-studerende Oskar Liset Pryds Hansen, som vil bruge kameraovervågning og machine learning til at afkode og genkende dyrelivet fra billeder.

Mere overvågning end tidligere

Et kamera vil ikke blot kunne effektivisere naturovervågningen. Den vil også kunne indsamle flere data end faldfælder kan give, og det kan have stor værdi for forskningen, mener Oskar Liset Pryds Hansen.

- I modsætning til en fælde, som tømmes en gang i ugen, kan du med et kamera pludselig se ting i en højere tidslig opløsning. Du får flere informationer om dit samfund af insekter eller leddyr og, hvilke aktiviteter der sker. Den tidslige opløsning kan blive meget høj, fordi vi selv kan bestemme, hvor ofte kameraet skal tage et billede, forklarer han.

Det er ikke nyt, at billeder kan bruges til overvågning, og kamerafælder findes også allerede, men det er nyt at bruge en computer til at identificere og tælle leddyr direkte på billederne fra en kamerafælde. Det er simpelthen ikke set tidligere, forklarer erhvervs-ph.d.ens ene vejleder, Kent Olsen fra Naturhistorisk Museum Aarhus.

- Erhvervs-ph.d.-projektet er innovativt, og det har vidtrækkende potentiale. Vi bruger rigtig mange ressourcer på at sortere indhold fra faldfælder i dag, så lykkes vi med ph.d.-projektet, er vi nået langt og kan begynde at stille nye biologiske spørgsmål, siger han.

Fanger hvad andre kameraer ikke kan se

I naturen kan man foretage kameraovervågning af pattedyr via censorer, som registrerer bevægelse. Når noget bevæger sig foran kameraet, tager kameraet et billede. I insekternes verden kan det ikke lade sig gøre at registrere bevægelse på den måde, og derfor må der bruges andre metoder.

- Du kan sætte en censor op, men der sker ingenting. Leddyr er for små, og så er de ikke varmere end omgivelserne. Der er virkelig begrænsede muligheder for at overvåge insekter, siger erhvervs-ph.d.en.

Men brudstykker af allerede kendte overvågningsmetoder kan bane vejen for udviklingen. Erhvervs-ph.d.en bruger nemlig kendte metoder til at genkende, hvad der er på billederne, men i stedet for at være afhængig af en udløserfunktion eller en gruppe mennesker, der har tid til at gennemgå billederne, trænes en computer til at trække data ud. Maskinerne lærer simpelthen at afkode specielle mønstre for hvert enkelt dyr.

- Det er så vigtigt et forskningsprojekt, og vi synes, vi har ramt bulls eye, da vi begyndte på projektet sammen med universitetet og Oskar, siger Kent Olsen smilende.

Tester med 65.000 biller

Et billede består af pixels, der via bestemte værdier former mønstre i billedet, og en computer kan kodes og trænes til at aflæse mønstrene for forskellige arter af leddyr og dermed genkende arter, baseret på billedeksempler af arter, den tidligere er blevet præsenteret for. Computeren giver en værdi for, hvor meget den tror på, at et konkret individ tilhører den enkelte art. Hvis værdien er høj, er det et udtryk for, at computerens netværk med stor sikkerhed klassificerer billedet til den art.

Træningsprocessen kræver dog, at insekter og andre leddyr pixelkodes, og det er en tidskrævende proces. For at udforske, hvilke udfordringer der er i at genkende arter på denne måde, testede erhvervs-ph.d.en metoden på et allerede kendt datasæt på artsniveau i en forsimplet udgave af kamerafælden.

- Det krævede, at vi udvalgte kendte dyr fra en museumssamling, tog billeder af dyrene direkte ovenfra og dernæst trænede en computer til at klassificere billederne til artniveau. Jeg har fotograferet en museumssamling på 65.000 biller og scannet dem ind i computeren, og så har vi skåret billederne ud for at markere alle individer og sætte artsnavn på. Databasen kunne vi bruge til at træne en model, der kunne begynde at klassificere løbebiller på artsniveau. Men den viser også, at metoden har begrænsninger, hvor eksempelvis størrelse af arten indvirker på, hvor god computeren er til at genkende den, forklarer Oskar Liset Pryds Hansen.

Højaktuel forskning

På sigt kan metoden meget mere end blot at overvåge leddyr i dansk natur, og derfor er projektet så vigtigt, forklarer professor Jens-Christian Svenning, der leder BIOCHANGE-centeret ved Institut for Bioscience ved Aarhus Universitet og er hovedvejleder for Oskar Liset Pryds Hansen. Med et mere omfattende referencebibliotek med billeder af kendte arter vil computeren nemlig kunne afkode og genkende flere arter på overvågningsbillederne.

- Billedgenkendelse er en meget mere generel metode, som kan bruges i mange andre sammenhænge. Vi forsøger at få det hen på et mere anvendt plan i forhold til, hvordan vi kan bruge det til at få nogle økologisk relevante data, og hvis vi kan få det her til at lykkes, så kan det bruges over en bredere platform end hidtil. Vi er med til at flytte en milepæl, forklarer han.

Og netop muligheden for at rykke udviklingen via forskning er en del af erhvervs-ph.d.-ordningen, som museet bifalder, supplerer Kent Olsen.

- Erhvervs-ph.d.-ordningen giver en rigtig god mulighed for at komme videre med forskningen, og det giver en fantastisk mulighed for at være med til at forme en forsker. Det er rart at udfylde den forpligtelse og være med til at skabe nye forskere, forklarer han.

Oskar Liset Pryds Hansens erhvervs-ph.d. varer fra maj 2017 til april 2020 og foregår blandt andet i Mols Bjerge, hvor Naturhistorisk Museum Aarhus’ forskningsareal, Molslaboratoriet, er placeret. Erhvervs-ph.d.en er en del af Rewilding Mols, som begyndte i 2016.

Kontakt Jens-Christian Svenning for mere viden om projektet

Læs mere om ph.d.-uddannelser ved Natural Sciences.