• hylkeet
• photo-ID
• tekoäly
• yksilöntunnistus

Itämerennorpan yksilöntunnistustyössä etsitään valokuvatulle norpalle osumaa yli sadan tunnetun yksilön kuvatietokannasta. Valokuva-aineistoa kertyy vuodessa paljon, ja sen läpikäynti manuaalisesti on hidasta. Millaisia keinoja tekoäly tarjoaa hyljeyksilöiden tunnistamisen ja tutkimuksen avuksi?

Itämerennorppien yksilöntunnistus perustuu norppien uniikkeihin turkkikuvioihin. Yksilöiden tunnistamista tehdään tällä hetkellä turkkikuvioita manuaalisesti vertaillen, mikä on hidasta ja vaatii opettelua. Itämerennorpan yksilötietokannalle on opinnäytetyönä otettu käyttöön Seal Codex -ohjelmistoalusta, joka hyödyntää tietokonenäköä ja tekoälyä hyljeyksilöiden tunnistamisessa.

Valokuviin perustuva yksilöntunnistus eli photo-ID

Photo-ID eli photo identification tarkoittaa valokuvien perusteella tehtävää yksilöntunnistusta. Se mahdollistaa luonnonvaraisten eläinten tunnistamisen ja seuraamisen ajan mittaan. Photo-ID-prosessissa eläinyksilö tunnistetaan tietyn ulkoisen tunnusmerkin perusteella, jonka perusteella sama yksilö voidaan tunnistaa myöhemmin uudelleen. Tunnusmerkkejä voivat olla esimerkiksi turkki, sulat tai ihokuviointi.

Photo-ID:n suuri etu on eläinten pyynnin ja käsittelyn välttäminen – se on häiriötön menetelmä verrattuna perinteisiin keinotekoisiin merkintämenetelmiin, kuten räpylämerkintöihin. Sitä hyödyntämällä voidaan tutkia eläinten paikkauskollisuutta, populaatiokokoa ja muita populaatioparametreja.

Tarve automaattisille menetelmille on photo-ID-tutkimuksissa kertyvän suuren kuva-aineistomäärän vuoksi ilmeinen, minkä vuoksi valokuviin perustuvassa yksilöntunnistuksessa on alettu hyödyntää konenäkötekniikoita. Valokuviin perustuvassa yksilöntunnistuksessa ratkaistava ongelma on kuva-analyysinäkökulmasta yksilön uudelleentunnistaminen eli vastaavan yksilön löytäminen tietokannassa olevista yksilöistä.

Vaihtoehtoja manuaaliselle yksilöntunnistukselle

Automaattisessa photo-ID:ssä hyödynnetään konenäkötekniikoita kuvien automaattiseen analysointiin sekä yksilöiden tunnistamiseen. Olemassa olevien photo-ID-tietokantojen avulla algoritmeille voidaan opettaa esimerkiksi hylkeiden tapauksessa eläimen paikallistamista kuvasta, turkkikuvion poimimista ja kuvailua sekä vertailua tunnettujen yksilöiden aineistoon.

Myös puoliautomaattisia eli manuaalisen hyväksynnän osumaehdotuksille vaativia hahmontunnistusohjelmistoja käytetään yksilöntunnistuksen apuna. Hahmontunnistus on koneoppimisen osa-alue, jolla tarkoitetaan ohjelman tekemää merkityksellisten kokonaisuuksien erottamista aineistosta.

Esimerkiksi laatokannorpan automaattisessa photo-ID-prosessissa useiden kuvien käyttäminen voi parantaa uudelleentunnistuksen tarkkuutta perinteisiin manuaalisiin menetelmiin verrattuna. Turkkikuviosta voidaan myös kerätä enemmän tietoa uudelleentunnistusalgoritmin avulla, kun hylkeen kääntyessä uusia osia turkista tulee näkyviin. Konvoluutioneuroverkon hyödyntäminen voi mahdollistaa alhaisen kontrastin turkkikuvioiden poiminnan kuvista.

Konvoluutioneuroverkoille opetetaan kuvapiirteiden tunnistamista

Syväoppimisen havaitsemismenetelmistä konvoluutioneuroverkkoihin perustuvat menetelmät ovat nykyään käytetyimpiä. Neuroverkot ovat koneoppimisen menetelmiä. Konvoluutioneuroverkkoon on sisällytetty konvoluutiokerros, joka mahdollistaa erilaisten kuvapiirteiden, esimerkiksi tummien läiskien, tunnistamisen opettamisen neuroverkolle.

Innovaatioita aineistonhallinnalle

Automaattisen hahmontunnistuksen ja koneoppimisalgoritmien nopea kehitys on tuonut mukanaan yksilöntunnistukseen liittyvien etujen lisäksi uusia keinoja aineistonhallinnalle. Aineistonhallinnan innovaatiot yhdistelevät eläinten tietoja esimerkiksi maantieteellisiin tietoihin ja tarjoavat mahdollisuuksia tutkijoiden yhteisten tietokantojen luomista eri lajeja ja tutkimusalueita varten.

Itämerennorpan tutkimus ja tekoäly

Itämerennorpalle käyttöönotetulla Seal Codex -ohjelmistoalustalla on havaittu etuja aineistonhallinnassa: se toimii hyvin katalogina ja tiedon löytämistä helpottavat haku- ja suodatintoiminnot. Alustaa käyttämällä ajantasaiset tiedot ovat sujuvasti kaikkien niitä käyttävien saatavilla. Potentiaalia sillä on myös itämerennorpan tutkijoiden yhteistyöalustana toimimiselle. Seal Codex -ohjelmistoalustan uudelleentunnistusalgoritmia ei testattu systemaattisesti ohjelmistoalustan käyttöönoton yhteydessä.

Eri alojen asiantuntijoiden yhteistyössä kehittämät tekoälypohjaiset menetelmät tulevat todennäköisesti saavuttamaan nykyistä suuremman tarkkuuden uudelleentunnistuksen osumiin tulevaisuudessa. Saimaannorpan yksilön- ja uudelleentunnistusta on tutkittu ja kehitetty pitkään, mikä omalta osaltaan kertoo menetelmien kehittämisen haastavuudesta. Saimaannorpalle kehitetyt menetelmät hyödyttävät tulevaisuudessa mahdollisesti myös itämerennorpan uudelleentunnistusta.

Tekoälyllä on mahdollisuuksia toimia photo-ID-tutkimuksen apuna niin yksilöntunnistamisessa kuin aineistonhallinnassa – aika näyttää mitä kaikkea se tarkoittaa itämerennorpan tapauksessa.

Lähteet

Piiparinen, N. 2024. Photo-ID:n käyttö hylkeillä – Seal Codex -ohjelmistoalustan käyttöönotto itämerennorpalle. Opinnäytetyö (AMK). Energia- ja ympäristötekniikka. Turku: Turun ammattikorkeakoulu.

Karczmarski, L.; Chan, S.C.Y.; Rubenstein, D.; Chui, S.Y.S. & Cameron, E.Z. 2022. Individual identifcation and photographic techniques in mammalian ecological and behavioural research — Part 1: Methods and concepts. Mammalian Biology. Vol 102, 545–549.

Karlsson, O.; Hiby, L.; Lundberg, T.; Jüssi, M. & Helander, B. 2005. Photo-identification, Site Fidelity, and Movement of Female Gray Seals (Halichoerus grypus) Between Haul-outs in the Baltic Sea. Ambio. Vol 34, No 8, 628–634.

Langley, I.; Hague, E. & Civil, M.A. 2021. Assessing the performance of open‑source, semi‑automated pattern recognition software for harbour seal (P. v. vitulina) photo ID. Mammalian Biology. Vol 102, 973–982.

Liu, L.; Ouyang, W.; Wang, X.; Fieguth, P.; Chen, J.; Liu, X. & Pietikäinen, M. Deep Learning for Generic Object Detection: A Survey. International Journal of Computer Vision. Vol, 128, 261–318.

Minna Learn & Helsingin yliopisto. 2024a. I. Neuroverkkojen periaatteet. Elements of AI -verkkokurssi. Viitattu 16.1.2024. https://course.elementsofai.com/fi/5/1

Minna Learn & Helsingin yliopisto. 2024b. III. Edistyneet neuroverkkomenetelmät. Elements of AI -verkkokurssi. Viitattu 16.1.2024. https://course.elementsofai.com/fi/5/3

Nepovinnykh, E.; Chelak, I.; Lushpanov, A.; Eerola, T.; Kälviäinen, H. & Chirkova, O. 2022a. Matching individual Ladoga ringed seals across short‑term image sequences. Mammalian Biology. Vol 102, 957–972.

Nepovinnykh, E.; Eerola, T.; Biard, V.; Mutka, P.; Niemi, M.; Kunnasranta, M. & Kälviäinen, H. 2022b. SealID: Saimaa Ringed Seal Re-Identification Dataset. Sensors. Vol 22, No 19, 7602.

Tietotekniikan termitalkoot. 2017. Hahmontunnistus. Viitattu 16.2.2024. https://sanastokeskus.fi/tsk/fi/termitalkoot/haku-266.html

Wild Me. 2023. Seal Codex. Viitattu 19.10.2023. https://www.wildme.org/seal-codex.html

Würsig, B. & Jefferson, T.A. 1990. Methods of Photo-Identification for small cetaceans. Report of the International Whaling Commission. Special Issue No 12, 43–52.

Kuva: WWF Suomi