Проекты

Краткое описание

Мелкие млекопитающие, составляющие значительную часть мирового биоразнообразия, играют ключевую роль в функционировании экосистем, что делает их важным объектом экологического мониторинга. Изучение животных данной группы традиционно основывается на методах отлова, которые имеют существенные ограничения: безвозвратное изъятие или нарушение естественного поведения особей, значительные трудовые затраты, невозможность привлечения к исследованиям волонтеров. При этом для решения многих практических задач отлов избыточен, а в случае редких и охраняемых видов – крайне нежелателен. Использование гуманных методов исследований и мониторинга является общемировым трендом, особенно актуальным на территориях ООПТ. Изучение сообществ мышевидных грызунов и землероек проводят и за пределами охраняемых территорий, где научное оборудование часто становится объектом краж и вандализма. Учет животных по следам - это неинвазивный и экономичный метод исследования. Для регистрации следов мелких млекопитающих обычно используются следовые тоннели из пластика, содержащие приманку и бумажный следовой картридж с чернилами из смеси угольного порошка и минерального масла. Видовая идентификация – главная проблема метода следовых тоннелей. Различить следы разных видов животных одного размерного класса «на глаз», как правило, невозможно. Попытки использовать подходы на основе морфометрии с ручными измерениями дали обнадеживающие результаты, но из-за высокой трудоемкости не получили никакого распространения. Задача точной, надежной и автоматической классификации видов мелких млекопитающих по следам остается не решенной и требует инновационных подходов.
Цель проекта – разработка и тестирование неинвазивного автоматизированного подхода на основе сверточной нейросети (CNN), позволяющего определять видовой состав сообществ мелких млекопитающих по отпечаткам их лап.
Задачи проекта
1. Провести полевые работы для получения образцов следов целевых видов мелких млекопитающих.
2. Оцифровать картриджи со следами.
3. Создать репрезентативный, стратифицированный и детально аннотированный набор данных для обучения и валидации нейросетевых моделей, решающих задачу детекции объектов (следов) и их последующей классификации.
4. Обучить и протестировать модель на изображениях следов особей с известной видовой принадлежностью.
5. Проверить адекватность модели на данных, полученных в природе. Для этого сравнить видовое разнообразие, оцененное с помощью живоловок и следовых тоннелей на одной и той же экспериментальной площадке. Дополнительно провести наблюдения в естественной среде с фотофиксацией зверьков, входящих в следовые тоннели.
6. Подготовить модель к практическому использованию и выложить в открытый доступ.
Основные преимущества разрабатываемого метода:
- Неинвазивность
- Простота и дешевизна.
- Низкая подверженность кражам и вандализму.
- Возможность привлекать неквалифицированных волонтеров (включая студентов и школьников).
- Автоматическое определение видовой принадлежность следов после загрузки изображений в модель.
- Возможность проведения широкомасштабных исследований.
В настоящее время наша группа ведет разработку метода в инициативном порядке. Все члены команды являются опытными зоологами, специализирующимися на изучении экологии мелких млекопитающих. Квалификация руководителя проекта Малковой Е.А. в полной мере соответствует задачам инициативы: фундаментальный научный опыт в экологии мелких млекопитающих подкреплён практическими навыками реализации полного цикла работ с нейросетевыми моделями — от их разработки и обучения до внедрения.
Первоочердной задачей для реализации идеи является сбор образцов отпечатков лап и подготовка аннотированного набора данных. Этот этап невозможно делегировать волонтерам без опыта полевых зоологических исследований. Экспертная оценка подготавливаемого набора данных профессиональным биологом-экологом и перекрестная проверка разметки членами команды - это ключевой фактор успеха обучения нейросетевой модели.
Базовая версия нашей модели с высокой точностью распознает отпечатки лап четырёх видов грызунов: малая лесная мышь, полевая мышь, рыжая полевка, обыкновенная полевка. В ходе выполнения проекта мы планируем расширить видовой спектр за счет прочих широко распространенных в РФ видов мелких млекопитающих: желтогорлая мышь, красная полевка, красно-серая полевка, полевка экономка, обыкновенная бурозубка, средняя бурозубка и другие. Критерием достижения цели проекта будет наличие в свободном доступе нейросетевой модели, способной по отпечаткам лап различать 8-12 таксонов грызунов и землероек (до уровня вида или рода).
География проекта
География применимости модели – большая часть Восточной Европы, Урала и Западной Сибири с возможностью последующего расширения по мере включения новых видов.
География полевых работ в период выполнения проекта – Урал и Западная Сибирь.
Целевые группы: научное сообщество, образовательные организации, экологические движения и организации, волонтеры-экологи, волонтеры науки.