Polska aplikacja Mbaza AI na ratunek słoniom leśnym w Gabonie

Aplikacja działa w oparciu o szybki i dokładny algorytm, który pozwala specjalistom na błyskawiczną weryfikację setek tysięcy zdjęć z fotopułapek, także offline. W ten sposób dostarcza cennych informacji na temat stanu zwierząt i pozwala szybko reagować na zagrożenie.

Rozwiązanie zostało opracowane przez firmę Appsilon, specjalizującą się w data science i uczeniu maszynowym, we współpracy z naukowcami z Uniwersytetu w Stirling.

Park Narodowy Lopé w Gabonie to miejsce wyjątkowe pod względem różnorodności gatunkowej. Można tu spotkać nie tylko rzadkie słonie leśne, ale też szympansy, goryle i mandryle. To właśnie tutaj dr Robin Whytock, biolog z Uniwersytetu w Stirling (Szkocja) wraz ze specjalistami z Krajowej Agencji Parków Narodowych Gabonu (ANPN Gabon) uruchomili szeroko zakrojony program monitorowania bioróżnorodności gatunkowej, instalując 200 fotopułapek na 7000 km2 drugiego co wielkości lasu deszczowego na świecie.

Każda z aktywowanych ruchem fotopułapek robi kilkaset zdjęć dziennie. To solidny materiał do analizy. Klasyfikacja tych zdjęć, która umożliwiałaby wyciągnięcie wniosków na temat stanu zwierząt, zajmowała naukowcom miesiące, a czasami nawet lata. Dla specjalistów z Gabonu – kraju, który każdego miesiąca traci około 150 słoni, czas był na wagę złota. Badacze testowali różne możliwości, które pozwoliłyby przyśpieszyć proces klasyfikacji zdjęć, ale każda z nich wymagała szybkiego łącza internetowego lub umiejętności obsługi zaawansowanych programów analitycznych. Obie opcje pozostawały poza zasięgiem strażników parku narodowego. Z pomocą w znalezieniu rozwiązania przyszli eksperci Appsilon, tworząc aplikację Mbaza AI.

– Istnienie wielu środkowoafrykańskich ssaków leśnych, takich jak słonie, goryle czy łuskowce, jest zagrożone przez niezrównoważony handel, zmiany użytkowania gruntów i globalny kryzys klimatyczny. Mbaza AI umożliwi specjalistom pracującym na terenie Afryki Środkowej szybką analizę danych zebranych za pomocą fotopułapek. Pozwoli to na sprawną identyfikację zagrożeń oraz reagowanie na sygnały ostrzegawcze. Wpłynie także na poprawę sposobów zarządzania ochroną zagrożonych zwierząt w czasie globalnego kryzysu bioróżnorodności gatunkowej – mówi dr Robin Whytock, Post DoctoralResearchFellow, Uniwersytet w Stirling.

Mbaza AI łączy zarówno nowe, jak i istniejące algorytmy uczenia maszynowego w jedno, proste w instalacji i łatwe w użyciu oprogramowanie o otwartym kodzie źródłowym, które może automatycznie analizować dane z fotopułapek offline. Model uczenia maszynowego nie tylko klasyfikuje 3000 obrazów na godzinę na zwykłym laptopie, ale także robi to z dokładnością do 96% (w zależności od gatunku zwierząt), nawet w przypadku danych spoza próby (co oznacza dane pochodzące z nowych lokalizacji kamer i wykonane później niż zdjęcia użyte do opracowania modelu).

– Praca ze świadomością, że to co robimy jest ważne i ma pozytywny wpływ na świat daje ogromną satysfakcję. Opracowanie Mbaza AI było dla nas wyzwaniem i wymagało wyjścia poza utarte schematy. Bardzo zależało nam na tym, żeby stworzyć narzędzie skuteczne i praktyczne zarazem. Punktem wyjścia było więc dokładne poznanie i zrozumienie specyfiki pracy strażników leśnych w afrykańskich parkach narodowych. Jesteśmy niezwykle dumni z tego, że Mbaza AI sprawdza się w działaniu i już przynosi pierwsze efekty – mówi Filip Stachura, CEO Appsilon.

Algorytm Mbaza AI jest dużo skuteczniejszy niż ludzkie oko i potrafi wykryć, a następnie sklasyfikować różne gatunki zwierząt mimo zmieniającego się tła, ciemności czy zasłaniających części obrazu liści.  Aplikacja pozwala na wczesne wykrycie sygnałów ostrzegawczych, informując badaczy na temat zmian w populacji lub zachowaniu zwierząt oraz szybkie działanie tam, gdzie są najbardziej potrzebni. Kolejne parki narodowe na obszarze Afryki Środkowej są zainteresowane jej wdrożeniem.