Intelligenza Artificiale (IA)
L’uso dell’IA in combinazione con i dati visivi per classificare (semi) automaticamente le immagini delle trappole fotografiche, è una tecnica che sta rapidamente guadagnando interesse. Nella classificazione con IA si utilizzano reti neurali, ovvero algoritmi matematici che mappano un oggetto da input a un output. Un esempio di un oggetto di input rilevante è una foto, l’output è una classificazione per questa foto. L’ottimizzazione di uno di questi algoritmi per un’attività è chiamata calibrazione e richiede dati classificati. I dati classificati corrispondono agli oggetti di input che verranno utilizzati dalla rete finale per effettuare una previsione. Nel contesto del monitoraggio con le trappole fotografiche, ciò significa disporre di un’ampia raccolta di foto di riferimento già classificate. Durante la calibrazione, gli algoritmi vengono aggiornati in modo iterativo per ridurre al minimo la funzione di perdita. La funzione di perdita calcola la differenza tra l’output previsto dalla rete (l’animale che la rete ritiene sia più probabile) e la classificazione di formazione (l’animale reale nella foto). Questo processo continua in modo iterativo, per un periodo di tempo predefinito o fino al raggiungimento delle prestazioni desiderate (ad esempio una soglia per l’accuratezza della classificazione delle specie) sulla base dei dati di convalida.
La Fondazione KORA utilizza trappole fotografiche per monitorare sistematicamente le popolazioni di predatori in Svizzera. Il monitoraggio delle trappole fotografiche viene utilizzato soprattutto per linci e gatti selvatici, che possono essere identificati dal loro disegno del pelo, che è unico. A causa del loro stile di vita, queste specie target costituiscono solo una piccola percentuale del rilevato. Un gran numero di altre specie di mammiferi viene fotografato utilizzando le trappole fotografiche, ma le loro immagini sono usate raramente. Il rapido sviluppo tecnologico delle trappole fotografiche e il loro uso diffuso stanno ora generando enormi quantità di foto in breve tempo, il che porta con sé una grande sfida: come utilizzare questa grande quantità di dati grezzi per ottenere rapidamente e a un costo ragionevole informazioni utili per la conservazione o la gestione di tutte queste specie?
Per raccogliere questa sfida, è stato formato un consorzio, ovvero un raggruppamento di istituzioni accademiche e centri nazionali di eccellenza che affrontano lo stesso problema. Ciò ha prodotto un set di dati eccezionalmente ampio e diversificato. Anche le aziende che elaborano i dati delle trappole fotografiche in Svizzera sono state invitate a unirsi al consorzio. Il consorzio è composto da ecologi, biologi e gestori della fauna selvatica con anni di esperienza nell’elaborazione dei dati delle trappole fotografiche, nonché esperti in apprendimento automatico e sviluppatori di soluzioni IT. La soluzione proposta consiste nell’adattare gli ultimi sviluppi nei metodi di IA in combinazione con il set di dati unico e specifico del consorzio per la calibrazione del modello.
L’analisi dei dati derivanti dal monitoraggio con trappole fotografiche riguarda quattro attività impegnative:
- rimozione di immagini che mostrano l’attività umana, un requisito legale per proteggere la privacy;
- riconoscimento di immagini vuote ad es. falso trigger;
- l’identificazione delle specie raffigurate e, infine,
- l’identificazione di individui di specie classificate come naturali come la lince e il gatto selvatico.
Attualmente, queste attività vengono eseguite per lo più manualmente da specialisti umani con formazione mirata.
Questo approccio libererà importanti risorse umane attualmente dedicate alle attività manuali e alla gestione dei dati grezzi. Ancora più importante, l’IA ridurrà i tempi di elaborazione per rendere i risultati fondati sul monitoraggio con trappole fotografiche rilevanti per la sorveglianza in tempo reale e per la protezione della fauna selvatica.