Readspeaker Menü

AMMOD: Automated Multisensor station for Monitoring Of species Diversity


Verbundprojekt

Durch den Klimawandel verändern sich Ökosysteme auf der ganzen Erde, was auch irreversible Verluste der Artenvielfalt mit sich zieht. Als Hauptverursacher dieser Folgen liegt es in unserer Verantwortung, die Auswirkungen des Klimawandels aufmerksam zu beobachten, um Maßnahmen für die Lebewesen unserer Umwelt aktiv und zielsicher zu ergreifen.

logo_060dpi

Das Ziel aller AMMOD Projektpartner ist es deshalb, die biologische Vielfalt in Deutschland mit neuen Technologien zu überwachen. Dazu sollen innerhalb der 3 Jahre Projektlaufzeit in deutschen Wäldern Prototypen für sog. AMMOD-Stationen aufgestellt werden. Diese sind mit Sensoren zur Aufnahme von Tiergeräuschen und Pflanzenemissionen, mit Tierkameras für Vögel, Säugetiere und Insekten, sowie mit automatisierten Insekten- und Pollenprobensammlern zur Überwachung mittels DNA-Barcode ausgestattet. Mit diesen Aufzeichnungen soll ein solider Datenpool generiert werden, der die Analyse des Wandels und etwaiger Trends ermöglicht. Unter anderem wollen wir mithilfe der detektierten Spezies deren Populationen bestimmen und die Veränderungen über einen langen Zeitraum erfassen. 

AMMOD Station


Die Computer Vision Group Jena ist dabei mitverantwortlich für die Verarbeitung der Bilddaten. Die konkreten Aufgaben des Visuellen AMMOD-Systems (Teilprojekt visAMMOD), die darin übernommen werden, sind der Motten-Scanner sowie Neuigkeitsdetektion, Lebenslanges Lernen und Klassifikation.

Mehr Informationen zum Projekt finden Sie auf der Homepage des Verbundprojektes. Gefördert wird es vom Bundesministerium für Bildung und Forschung.


Motten-Scanner


Example Detection
Eine Kamera (sog. SpeciesMothCam) nimmt regelmäßig hochaufgelöste Bilder von Insekten auf, die sich auf einer beleuchteten Leinwand niederlassen. Ziel des Monitoring ist es nicht, jede Spezies zu detektieren, sondern die Trends der lokalen Insektenpopulation zu beschreiben. Wichtig für die ökologische Analyse sind Daten zur Aktivität bestimmter Spezies zu unterschiedlichen Jahreszeiten, zur Korrelation mit dem Wetter oder der vegetativen Phänologie, welche die SpeciesMothCam liefert. Es sollen Methoden implementiert werden, die eine effiziente Detektion der interessanten Regionen (sog. regions of interest, kurz: ROIs) auf der Leinwand ermöglichen und aufgrund von feinen Details die Spezies richtig klassifizieren. Experten aus der Taxonomie werden überprüfen, ob die Klassifikationen korrekt sind.

Neuigkeitsdetektion, Lebenslanges Lernen und Klassifikation

Daphne Auer, Julia Böhlke 

Watch Act Learn Improve
Eine weitere Kamera (sog. SpeciesSiteCam) wird Bilder und Videos von Säugetieren bei Tag und Nacht mit geeigneter Beleuchtung aufnehmen. Ziel ist es, die unterschiedlichen Spezies durch ein robustes Klassifikationsmodell zu identifizieren. Um die Klassifikation zu verbessern, werden zusätzliche Bilder mit Beschriftung der abgebildeten Spezies benötigt. Dazu arbeiten wir auch mit Bildern, die wir aus dem Internet herunterladen. Julia Böhlke hat sich während ihrer Bachelorarbeit bereits mit dem Thema beschäftigt und wird ihre Erkenntnisse bald in einem Paper veröffentlichen. Zusätzlich sollen über einen langen Zeitraum auf den AMMOD-Stationen weitere Bilder von Tieren gemacht werden. Weil der Klassifikator manchmal nicht eindeutig bestimmen kann, welcher Spezies ein Tier angehört, werden Experten herangezogen, um manuell die Spezies der Tiere zu bestimmen. Um ihren Aufwand so gering wie möglich zu halten, ist die Herausforderung beim Aktiven Lernen, nur diejenigen Bilder an die Experten zu geben, die den Klassifikator verbessern werden. Außerdem sollen über einen langen Zeitraum hinweg immer wieder neue Bilder zum Training hinzugefügt werden, wobei wir hier von Lebenslangem Lernen sprechen. Auch kann es vor allem im Laufe der Zeit passieren, dass gewisse Spezies dem Klassifikationsmodell unbekannt sind, welche durch Neuigkeitsdetektion (engl.: novelty detection) erkannt werden sollen.