Lintupopulaatioiden kannanlaskennan automatisointi konenäköä soveltaen

Abstract

Lintupopulaatioiden kannanlaskenta on keskeinen osa ekologista tutkimusta. Kannanlaskenta on myös merkittävää ympäristön tilan seurannan kannalta. Perinteiset menetelmät, kuten linja- ja pistelaskenta, ovat työvoimavaltaisia ja vaativat paljon resursseja. Tässä tutkielmassa tarkastellaan, miten konenäköön perustuvia tekoälyratkaisuja voidaan käyttää kannanlaskennan automatisoinnissa. Tutkimus toteutettiin systematisoituna kirjallisuuskatsauksena. Kirjallisuus haettiin Web of Science- ja Scopus-tietokannoista. Vuosina 2021-2026 julkaistuista vertaisarvioiduista artikkeleista tunnistettiin 13 tutkimusta, jotka analysoitiin. Tarkastellut tutkimukset hyödyntävät pääasiassa miehitetyistä tai miehittämättömistä aluksista kuvattua kuvamateriaalia, jota analysoidaan konenäkömenetelmillä. Yleisimmät käytetyt konenäkömenetelmät pohjautuvat konvoluutioneuroverkkoihin. Faster RCNN- ja YOLO-mallit ovat yleisimmin käytössä olevat mallit. Tulosten perusteella konenäkömenetelmät soveltuvat lintupopulaatioden kannanlaskennan automatisointiin. Tutkimukset keskittyvät pääosin tilanteisiin, joissa tavoitteena on suora lintumäärän laskenta rajatulta alueelta, mutta ne antavat myös viitteitä menetelmien soveltuvuudesta myös linja- ja pistelaskentatyyppisiin laskentoihin. Tutkimuksissa lasketut yksilömäärät ovat samansuuntaisia vertailututkimuksina toimineiden perinteisiä menetelmiä käyttäneiden laskentojen kanssa. Haasteita tutkimuksissa eniten aiheuttaa kuvamateriaalin laatu ja ympäristön olosuhteiden vaihtelu. Menetelmien yleistettävyys eri biotooppeihin ja lajiryhmiin erityisesti monilajisessa ympäristössä vaatii lisätutkimusta. Kokonaisuutena konenäköön perustuvat menetelmät tarjoavat lupaavan uuden, skaalautuvan vaihtoehdon perinteisille menetelmille, mutta niiden käyttöönotto vaatii vielä laajempaa tutkimusta ja menetelmien vakiointia.