Met weidevogel-algoritme automatisch nesten herkennen

Dit Topartikel wordt jou gratis aangeboden door de redactie van Agrio.

Het is begin juni 2023. Een drone vliegt op 55 meter hoogte met een snelheid van 5 meter per seconde over een kruidenrijk grasland. De camera onder de drone fotografeert continu het grasland. René van Dam kijkt naar zijn monitor. „Normaal gesproken vliegen we met zo’n warmtebeeldcamera vroeg in de ochtend. Aan de hand van de warme puntjes, de eieren, herkennen we dan de nesten.”

In plaats van een paar witte puntjes toont de camera nu grote witte vlekken waar niets op te herkennen valt. „Het is al te warm. Vroeg in de ochtend is het temperatuurverschil een stuk groter tussen de eieren en de omgeving en dan zijn nesten met eieren of een broedende weidevogel wel te detecteren.”

Kunstmatige intelligentie

Die ‘witte vlekken’ is een van de vele redenen waarom René van Dam, projectleider van het droneproject van de Bond Friese VogelWachten (BFVW), met kunstmatige intelligentie aan de slag wilde. Het idee is om nesten van weidevogels met een drone op kleur en vorm te detecteren en via gps-coördinaten vast te leggen. Die data kan dan samen met de inzet en kennis van de vrijwilligers gebruikt worden bij het beschermen van nesten en kuikens, door het bijvoorbeeld in te laden in het gps-systeem dat melkveehouders en loonwerkers gebruiken tijdens het maaien. Ook zijn dronevliegers dan niet langer gebonden aan de vroege ochtenduren en kan er de hele dag gevlogen worden. Daardoor kunnen ook grotere oppervlakten worden afgezocht.

Zover is het nog niet. Automatisch nesten herkennen via de camera die onder de drone hangt, betekent dat er een algoritme ontwikkeld moet worden. En dat is precies wat René van Dam nu doet. Van Dam: „We zijn bezig om software te ontwikkelen die een beetje hetzelfde als ons denkt. Om nesten te herkennen op dronefoto’s hebben we voorbeelden nodig. Die verzamelen we nu.”

Nesten herkennen

Voor het herkennen van nesten zijn veel foto’s nodig. Een nest kan van verschillende weidevogelsoorten zijn, er kan een verschillend aantal eieren in liggen en ook de omgeving van het nest verandert gedurende het groeiseizoen. „Wij ontwikkelen die software zelf en voeden het programma met foto’s waar nesten op staan. De software zoekt dan zelf naar de overeenkomsten tussen de foto’s. Bij kieviten en scholeksters is dat vrij gemakkelijk omdat die nesten van bovenaf goed zichtbaar zijn. Maar bij een grutto of tureluur ligt dat anders. Dan gaat het om een bepaalde draaiing of opening in het gras die vergelijkbaar is. Wanneer het nest herkend kan worden, is de volgende stap om te bepalen om welke soort het gaat.”

De tureluur is van de vier hoofdsoorten de lastigste, maar Van Dam verwacht dat dat vanzelf beter zal gaan doordat zowel de camera’s van de drones als de software zich doorontwikkelt. De BFVW richt zich overigens niet alleen op de vier hoofdsoorten, maar op alles wat broedt. „We nemen alles mee. Eendennesten bijvoorbeeld, maar ook nesten van de watersnip, gele kwikstaart en veldleeuwerik. De vraag is nog wel of de camera nu al goed genoeg is om die kleine nesten te herkennen.”

Proof of concept

Twee jaar geleden begon het met een ‘proof of concept’ om te achterhalen of een dronecamera überhaupt nesten kon detecteren. Dat was veelbelovend. „We zijn in de winter begonnen met kunstnesten om te testen of een drone ze zou herkennen. Vanaf een hoogte van 55 meter bleek dat goed te werken. Vervolgens gingen we in het voorjaar naar percelen waar we in het veld nesten hadden gevonden. Daar maakten we met de drone foto’s en gingen het veld in met een rtk-stok om de exacte gps-coördinaten vast te leggen. Die gps-locaties legden we over de foto’s heen en zo markeerden we de nesten en broedende vogels. Dat deden we met veel percelen en toen lieten we de software draaien om te zien of die de nesten zelf kon herkennen. Dat bood perspectief. Niet alles werd even goed herkend, dus we zijn dit jaar (2023, red.) bezig om er meer nesten in te krijgen. Bijvoorbeeld een nest met kort gras waar we drie weken later weer een foto van maken maar dan met lang gras. En we zijn naar de eilanden geweest om veel beelden van scholeksters te maken.”

Rekenkracht

Van Dam legt vooral uit hoe het principe moet gaan werken, want het live detecteren in het veld kan nu nog niet. Hij wijst ondertussen op zijn beeldscherm de evenwijdig lopende groene lijnen aan die over het perceel zijn getrokken: de vliegroute van de drone die van tevoren al geprogrammeerd is. „We maken wel foto’s, maar het detecteren van nesten gebeurt nu nog op een computer. Dat vraagt veel rekenkracht. De software moet vlekken in het gras continu vergelijken met alle afbeeldingen die er in zitten en dat lukt nu nog niet in het veld. Maar zowel de camera’s als de software ontwikkelt zich, dus we verwachten dat binnenkort wel live te kunnen gaan doen.” De voorspelling van René komt dit voorjaar al uit. Na het bezoek van de redactie van onze Weidevogels in juni aan de BFVW is er een samenwerking tot stand gekomen met NHL Stenden Hogeschool in Leeuwarden. Deze school heeft een lectoraat kunstmatige intelligentie. „Voor de leerlingen is het leerzaam om hier mee aan de slag te gaan en wij kregen daardoor veel handjes om werk te verzetten. Ook kijken de studenten naar de nieuwste toepassingen qua techniek. Wij zijn daardoor flink opgeschoten en kunnen dit voorjaar ons prototype gaan testen. Dus echt realtime in het veld nesten opsporen en ontdekken of wat wij nu hebben uitgedacht ook echt goed werkt. Als dat lukt is deze nieuwe toepassing met drones een mooie aanvulling op het netwerk van vogelwachten en de vele vrijwilligers.”