Riduzione degli errori di identificazione dei carnivori africani dalle fotografie tramite un flusso di lavoro assistito dal computer

  • Ottobre 25, 2022
  • di Verschueren S., Fabiano EC, Kakove M., Cristescu B., Marker LL

Astratto

Stime precise e accurate delle dimensioni di una popolazione sono fondamentali per lo studio e la conservazione della fauna selvatica. L'identificazione dei singoli animali è spesso necessaria per ottenere tali stime, tuttavia le classificazioni manuali da parte di osservatori umani inducono distorsioni, che possono propagarsi attraverso set di dati a lungo termine o su ampie scale spaziali. Sono stati sviluppati algoritmi di riconoscimento di pattern per facilitare gli sforzi di identificazione e qui dimostriamo l'efficacia di questa tecnologia nel ridurre le identificazioni errate dei grandi carnivori africani nei dati storici. Abbiamo utilizzato un set di dati di fototrappole di 7 anni dalla Namibia centro-settentrionale e abbiamo rivisto gli individui di ghepardo e leopardo identificati da osservatori umani tramite un algoritmo di riconoscimento di pattern, HotSpotter, implementato in un'applicazione web open source, l'African Carnivore Wildbook (ACW). La verifica degli individui con ACW ha portato a una riduzione da 43 a 40 individui di ghepardo e da 59 a 46 individui di leopardo. Ciò equivale a una differenza del 7% e del 22% degli individui identificati rispettivamente per ghepardi e leopardi. Inoltre, questa revisione ha aumentato la percentuale di individui rilevati in più anni e in più località. I nostri risultati potrebbero avere implicazioni per le stime di popolazione e di tendenza di queste e altre specie, dato che le stime attuali si basano spesso sull'identificazione manuale, che potrebbe sovrastimare le dimensioni della popolazione.

Condividi con gli amici