Tekoäly avuksi biodiversiteetin kartoittamiseen
Hyönteispopulaatioiden rajulla maailmanlaajuisella vähentymisellä on merkittäviä seurauksia ekosysteemeihin. Emmekä tiedä mistä väheneminen tarkkaanottaen johtuu. Kööpenhaminan yliopistossa on kehitetty uusi tekoälyyn perustuva menetelmä, joka voi auttaa hyönteisten monimuotoisuuden kartoittamisessa ja tarkkailussa, joka on tähän asti ollut työlästä.
Hyönteisillä on tärkeä rooli luonnossa: ne ovat elintärkeitä pölyttäjiä kasveille, ravinnonlähde monille eläimille, ja ne toimivat kuolleen materiaalin hajottajina. Viime vuosikymmenet hyönteiset ovat kuitenkin olleet vaikeuksissa. Arviolta 40% hyönteislajeista on vähentynyt ja niistä jopa kolmannes on luokiteltu uhanalaisiksi.
Nyt on tärkeämpää kuin koskaan tarkkailla hyöteisbiodiversiteettiä, jotta vähenemisen syitä voidaan ymmärtää ja toivon mukaan korjata. Tähän asti tehtävä on ollut vaikea ja työläs, sillä hyönteiset ovat pieniä ja liikkuvia. Tutkijoiden on asetettava ansoja, pyydystettävä hyönteisyksilöitä ja monesti tutkittava niitä mikroskoopin alla tunnistaakseen ne.
Tekoälyyn perustuva menetelmä voi ohittaa nämä ongelmat. Kööpenhaminan yliopiston tutkijoiden kehittämä menetelmä käyttää infrapuna-antureita, jotka keräävät dataa yksittäisten ohi lentävien hyönteisten siipien lyönneistä. Kerättyä dataa käytetään hyönteisten tunnistamiseen tekoälyn avulla. Menetelmä perustuu valvomattomaan koneoppimiseen: algoritmi ryhmittelee hyöteiset samaan lajiin kuuluviksi ilman ihmisen työpanosta. Menetelmä helpottaa populaatioiden seurantaa paljon, sillä hyönteisiä ei tarvitse pyydystää tai laskea käsin.
Kehittynyt tekoäly
Aikaisemmin on jo kehitetty menetelmiä, joissa tekoäly tunnistaa tuholaiset maanviljelyksillä. Tämä uusi algoritmi tunnistaa ja laskee tuholaisten sijaan luonnon hyönteispopulaatiota. Infrapuna-anturi muistuttaa riistakameraa, jota käytetään suurempien eläinten tarkkailuun luonnossa. Kuvan ottamisen sijaan anturi mittaa valonlähteeseen lentäneen hyönteisen. Sen jälkeen algoritmi jaottelee hyönteiset eri ryhmiin siiven mittojen perusteella.
Algoritmi käyttää hyönteisten erotteluun niiden siluettia, silloin kun siivet ovat levitettyinä, jolloin niiden fyysiset erot erottuvat selvimmin. Algoritmi vertaa siluettia tallennettuihin hyönteisnäytteisiin ja jaottelee samannäköiset siluetit samaan ryhmään. Tästä voidaan sitten päätellä mikä hyönteinen todennäköisimmin lensi valonsäteen läpi.
Prototyyppi on tarkoitus julkaista keväällä
Kevään tullessa ja hyönteisten lähtiessä liikkeelle tutkijat suuntaavat maastoon alustavan prototyyppinsä kanssa ja testaavat sitä käytännössä. Tähän mennessä tutkijat ovat testanneet algoritmia ja tekoälyä laajan, kontrolloidussa ympäristössä kerätyn, kuvapankkimateriaalin avulla. He ovat kuitenkin saaneet lupaavia tuloksia myös testatessaan pienellä reaalimaailman datalla.
Anturia tullaan testaamaan erilaisissa ympäristöissä, kuten nurmikoilla, metsissä ja viljelyksillä, jotta nähdään kuinka se toimii luonnossa. Tekoäly kehittyy sitä tarkemmaksi, mitä enemmän dataa siihen syötetään.
Tutkijoiden mukaan menetelmä mahdollistaa useampien alueiden kartoittamisen ja tarkemman seurannan, kuin aikaisemmin on ollut mahdollista. Samalla se vähentää hyönteisten tarkkailuun vaadittavia resursseja. Nykyisillä menetelmillä on mahdotonta kustantaa tarpeeksi tarkkaa seurantaa. Tämä menetelmä tarvitsee ihmistä vain siihen, että laite viedään paikalle. Kunhan se on siellä, se alkaa kerätä dataa paikallisesta hyönteispopulaatiosta.
Suomentanut ja muokannut Anna Antinoja
Lähde:
University of Copenhagen – Faculty of Science. ”Insect wingbeats will help quantify biodiversity.” ScienceDaily. ScienceDaily, 22 February 2022. <www.sciencedaily.com/releases/2022/02/220222135250.htm>.
Alkuperäinen artikkeli:
- Klas Rydhmer, Raghavendra Selvan. Dynamic β-VAEs for quantifying biodiversity by clustering optically recorded insect signals. Ecological Informatics, 2021; 66: 101456 DOI: 10.1016/j.ecoinf.2021.101456