Reducción de errores de identificación de carnívoros africanos a partir de fotografías mediante un flujo de trabajo asistido por computadora
- 25 de octubre de 2022
- por Verschueren S., Fabiano EC, Kakove M., Cristescu B., Marker LL
Resumen
Estimaciones precisas y exactas del tamaño de la población son fundamentales para el estudio y la conservación de la vida silvestre. La identificación de animales individuales suele ser necesaria para obtener dichas estimaciones; sin embargo, las clasificaciones manuales realizadas por observadores humanos inducen sesgos que pueden propagarse a través de conjuntos de datos a largo plazo o grandes escalas espaciales. Se han desarrollado algoritmos de reconocimiento de patrones para facilitar los esfuerzos de identificación, y aquí demostramos la eficacia de esta tecnología para reducir las identificaciones erróneas de grandes carnívoros africanos en datos históricos. Utilizamos un conjunto de datos de cámaras trampa de 7 años del centro-norte de Namibia y revisamos los individuos de guepardos y leopardos identificados por observadores humanos mediante un algoritmo de reconocimiento de patrones, HotSpotter, implementado en una aplicación web y de código abierto, el African Carnivore Wildbook (ACW). La verificación de individuos con ACW resultó en una reducción de 43 a 40 individuos de guepardos y de 59 a 46 individuos de leopardo. Esto equivale a una diferencia del 7% y el 22% de individuos identificados para guepardos y leopardos, respectivamente. Además, esta revisión aumentó la proporción de individuos detectados a lo largo de varios años y en diferentes ubicaciones. Nuestros hallazgos podrían tener implicaciones para las estimaciones de población y tendencias de estas y otras especies, dado que las estimaciones actuales a menudo se basan en la identificación manual, lo que podría sobreestimar el tamaño de la población.