Flower Power: AI als middel om biodiversiteit te meten
Biodiversiteit is een van de belangrijkste standaarden voor het welzijn van onze natuurlijke omgeving. Zo’n 85% van de natuurlijke flora is in Nederland verdwenen vanwege landbouw en stedelijke groei. Er lopen veel initiatieven om dit verdere verdwijnen tegen te gaan, waarvoor biodiversiteit inzichtelijk en meetbaar maken stap één is. Het project Flower Power zoekt naar mogelijkheden om die meetbaarheid mogelijk te maken met artificiële intelligentie door drone fotografieën slimme modellen voor object detectie samen te brengen.
Onderdeel van:
Biodiversiteit inzichtelijk maken met AI-beeldherkenning
Het project Flower Power is deel van het consortiumproject en de NWO-aanvraag voor ‘Data-driven Biodiversity Management as a Service for Cities’, een initiatief van het Lectoraat AI & Big Data, ondersteund door SPARC. Binnen dit project is de rol van Fontys ICT het ontwikkelen van gereedschappen die de informatievoorziening over biodiversiteit mogelijk maken op een data-driven manier.Daarmee wordt dus ingezet op een digitale transformatie die het monitoren van biodiversiteit makkelijker en effectiever maakt.
Het project Flower Power onderzoekt de mogelijkheden die AI biedt om observaties te automatiseren. De traditionele wijze van observeren is namelijk handmatig, wat qua tijd en middelen geen haalbare manier is om goed inzicht te krijgen in biodiversiteit. Een alternatieve manier is het crowdsourcen van observaties, maar hierin treedt steevast een bias op in de data (onbewuste bias die ontstaat door natuurlijke voorkeuren voor tijd, plaats en soort). De beschikbaarheid van drones voor vastlegging van moeilijk bereikbare gebieden is een oplossing, maar ook hier zou het daadwerkelijk observeren uitdagend zijn. Objectherkenningsmodellen bieden hier een oplossing in.
Onderzoeksvraag:
Kunnen we de biodiversiteit in Nederland inzichtelijk maken met AI?
Onderzoeksperiode:
2021 - heden
Methodiek & Bevindingen
Flower Power kent meerdere stappen in de uitvoering. In de eerste fase is onderzoek gedaan naar het inzetten van drones voor het vastleggen van grote gebieden in hoge-resolutiefotomateriaal wat als beeldmateriaal ingezet kan worden voor analyse. Vervolgens is de zoektocht gestart naar effectieve AI-modellen voor objectdetectie; zogeheten convolutional neural networks. Hierbij zijn accuratesse, snelheid en computerkracht de bepalende factoren voor een modelkeuze. Bij elke iteratie van het project, werken nieuwe studentgroepen aan verschillende elementen van het project, waarbij uitdagingen in modelkeuze, datapreparatie en het trainen van modellen als uitdagingen naar voren zijn gekomen.
Omdat de hoge-resolutie foto’s veelal te groot zijn om effectief te gebruiken om de AI-modellen te trainen, is er door het docentonderzoeksteam een methode ontwikkeld (werktitel: smart image slicer) om deze foto’s in kleinere stukken te verdelen. Echter, dit dient zo te gebeuren dat er zo weinig mogelijk bloemen verdeeld raken over verschillende stukken. De methode analyseert elke foto om te bepalen waar de bloemen staan en snijdt de foto vervolgens op die lijnen die zo min mogelijk bloemen raken, maar toch stukken opleveren die zo dicht mogelijk bij de ideale grootte van het model komen. Tevens kan deze methode nadat op een nieuwe foto bloemen gedetecteerd zijn, stukken ook weer samenvoegen tot 1 grote afbeelding. Van deze methode is nu een eerste versie geprogrammeerd en vrijgegeven zodat anderen deze kunnen bekijken en gebruiken. De methode zorgt ervoor dat nu de inputfoto’s in principe eindeloos groot kunnen zijn en het model toch met afbeeldingen werkt van een ideale grootte. Dit verhoogt de accuratesse en verlaagt de traintijd van het model enorm, en een lagere traintijd is natuurlijk ook energiezuiniger.
Partners
- Fontys Hogeschool ICT
- Naturalis Biodiversity Center
- JADS
- SPARC
- TU/e
- HAS
- Intratuin Nederland
- Primum
- Heimans
- Atos
- Argaleo
- Fourtress
- Heijmans
- Provincie Zuid-Holland
- Brainport SmartDistrict
- Gemeente Leiden
- Gemeente Amsterdam
- Gemeente Den Bosch
- Gemeente Nijmegen