CAPTURE – Automatisk igenkänning av vilt
Artificiell intelligens i forskningens tjänst
Artificiell intelligens handlar om att lära maskiner sådant som tidigare bara den mänskliga hjärnan klarat av. En maskin har sedan länge kunnat programmeras till att trycka på en knapp för att ta en bild av något. Däremot kan den inte berätta vad den har fotograferat. Eller… kan den det?
CAPTURE är en IT-plattform som med hjälp av artificiell intelligens och maskininlärning kan urskilja bilder på djur, sortera bort irrelevant material och servera forskare rätt data. Det gör att tusentals bilder från en viltkamera kan filtreras ner till bara ett fåtal bilder, som visar de djur forskaren är intresserad av.
Effektiv bildhantering vid viltforskning
Syftet med projektet CAPTURE är att använda digitala lösningar för att effektivisera viltforskningen i Sverige när viltkameror används för dokumentation av djur och deras beteende, till exempel vid övervakning av faunapassager och inventering av viltstammar. Eftersom viltkameror aktiveras av rörelse skapas en stor mängd bilder på annat än vilt, som till exempel passerande fordon, människor, nederbörd och fallande löv. Forskare lägger därför mycket tid och monotont arbete på att sortera bort irrelevant material. Med CAPTURE sorteras enorma mängder bilder från viltkameror automatiskt så att bilder på djur markeras, samtidigt som bilder på människor och fordon avpersonifieras.
Relevant material med hög kvalitet
Capture förenklar forskningsarbetet genom att:
- effektivera processen kring datahantering
- kvalitetssäkra materialet och förbereda för säker arkivering
- presentera relevant material
- säkerställa integritetsskydd genom att identifiera och avpersonifiera bilder på människor och fordon.
Nya möjligheter med automation och AI
Processer med upprepande moment kan nästan alltid automatiseras, som till exempel att flytta material genom en fabrik, utföra stora mängder beräkningar i ett infrastrukturprojekt, eller processa ett stort antal bilder från viltkameror. I kombination med artificiell intelligens – IT-system som kan känna av sin omgivning, lära sig och vidta åtgärder – blir möjligheterna oändliga. Till exempel kan ett IT-system lära sig vad som är en älg, vad som är en räv och vad som är ett fallande löv, för att sedan kunna sortera bilderna korrekt.
Förebyggande av viltolyckor
Att se till att djur kan ta sig förbi vägar och järnvägar som löper genom skog och mark är en viktig pusselbit när det gäller att bevara den biologiska mångfalden. Ur trafiksäkerhetssynpunkt är det också viktigt att vilt kan ta sig över eller under infrastrukturbarriärer utan risk för kollision med fordon. Samhällets kostnader för viltolyckor på väg och järnväg uppskattas uppgå till cirka 10 miljarder per år.
Samarbete mellan Sweco, SLU, NINA och Trafikverket
Projektet CAPTURE är ett samarbete mellan Sweco, Sveriges lantbruksuniversitet (SLU), Trafikverket och och Norska Institutet för Naturforskning (NINA). SLU arbetar med viltforskning och förser Trafikverket med information som gör det möjligt att planera för säkra passager för djur över och under vägar och järnvägar, viltskrämmor, uthopp och förbättrade stängselanordningar. Ett trettiotal projekt i Sverige och Norge använder sig idag av CAPTURE i sin viltforskning.
Sweco har bidragit med:
- Projektledning från idé till lösning för att skapa en IT-plattform, applikationer och tillhörande IT-arkitektur från idé och konceptualisering, till implementering av en första version hos den beställande kunden SLU.
- Coachning och rådgivning kring lämpliga tillvägagångsätt inom agila metoder och tjänstedesign.
- Stöttning i krav- och behovsanalys, samt Scrum master-roll.
