الرؤية الحاسوبية لرصد أنواع النسور في جميع أنحاء أفريقيا
الحل الكامل
الكشف عن النسر أبيض الظهر مع ديكلاس
Stanislas Mahussi Gandaho
ويدعم هذا الحل المدعوم بالذكاء الاصطناعي الهدفين 17 و20 من أهداف الإطار العالمي للتنوع البيولوجي (GBF) من خلال الاستفادة من التكنولوجيا الحيوية لتعزيز رصد الأنواع وتعزيز نقل التكنولوجيا للحفاظ على التنوع البيولوجي. وباستخدام نموذج التعلم العميق، "أنت تنظر مرة واحدة فقط الإصدار 11" (YOLOv11)، فإنه يعمل على أتمتة تحديد وتحليل النسور المهددة بالانقراض(Gyps africanus، Gyps coprotheres، Gyps rueppelli، Torgos tracheliotos) في بيانات الطائرات بدون طيار ومصيدة الكاميرا. ستعمل البيانات من شبكة المتنزهات الأفريقية (APN)، وكلية الجنوب الأفريقي للحياة البرية (SAWC)، وصندوق الحياة البرية المهددة بالانقراض (EWT)، ومنصات مثل iNaturalist، و GBIF لتدريب النموذج والتحقق من صحته.
يعالج المشروع تحديات مثل الرصد كثيف العمالة وثغرات البيانات. ويعزز تصميمه المفتوح المصدر إمكانية الوصول والتعاون وبناء القدرات عبر شبكات الحفظ الأفريقية، ويعالج بشكل مباشر الثغرات في بيانات التنوع البيولوجي وأنظمة الرصد.
آخر تحديث 31 Oct 2025
112 المشاهدات
معرض الصور والفيديو
السياق
التحديات التي تمت مواجهتها
ومن الناحية البيئية، يكافح هذا الحل تناقص أعداد النسور المهددة بالانقراض من خلال إتاحة المراقبة الدقيقة للنسور المهددة بالانقراض. وهذا يساعد على الحفظ المستهدف ويساعد على حماية دورها البيئي كزبّالات ضرورية لمنع انتشار الأمراض والحفاظ على صحة النظام البيئي (دن هيفر وآخرون، 2021). من الناحية الاجتماعية، يهدف حلنا إلى مراقبة النسور بفعالية باستخدام مصيدة الكاميرا (دي فريتاس وآخرون، 2025؛ فرنانديز بيلون وآخرون، 2017؛ هاريسون وآخرون، 2019؛ مابالالا ومونادجيم، 2017)، حيث أن المراقبة التقليدية باستخدام مصيدة الكاميرا لا تزال تمثل تحديًا (يونغ، رود مارغونو، وأمين، 2018؛ فيليز وآخرون، 2023). كما أنها تعالج نقص الوعي حول أهمية النسور من خلال توليد البيانات لدعم الحملات التثقيفية، وتوفر أداة مفتوحة المصدر يسهل الوصول إليها وتمكن القائمين على الحفاظ على البيئة بموارد محدودة. أما من الناحية الاقتصادية، فهي تقلل من التكاليف الباهظة للرصد التقليدي الذي يعتمد على المسوحات كثيفة العمالة.
الموقع
بنين
جنوب أفريقيا
غرب ووسط أفريقيا الغربية والوسطى
شمال أفريقيا
شرق وجنوب أفريقيا
العملية
ملخص العملية
يعتمد نجاح هذا الحل المتكامل على كيفية تعزيز مكوناته لبعضها البعض: توفر عملية جمع البيانات وتطوير الذكاء الاصطناعي (الكتلة 1) الأساس لبيانات التدريب النموذجية عالية الجودة التي تشغل أداة الرصد ديكلاس (الكتلة 2)، مما يضمن اكتشاف الأنواع بدقة. ثم تمكّن هذه القدرة التكنولوجية برنامج بناء القدرات والدعوة (الكتلة 3) من نقل المهارات بفعالية إلى ممارسي الحفظ. تعمل شبكات الشركاء المحليين على تضخيم هذا التأثير من خلال تسهيل جمع البيانات ومشاركة المستفيدين في التدريب، بينما يضمن الدعم اللاحق للتدريب اعتماد الأداة بشكل مستدام.
اللبنات الأساسية
نموذج التعرف على أنواع النسور المدعوم بالذكاء الاصطناعي
تهدف هذه اللبنة الأساسية إلى أتمتة رصد النسور من خلال تطوير نموذج لاكتشاف وتصنيف أربعة أنواع من النسور(Gyps africanus، Gyps coprotheres، Gyps rueppelli، Torgos tracheliotos) من البيانات المرئية، مما يقلل من الجهد اليدوي ويسرّع التحليل ويضمن الاتساق. ويستفيد البرنامج من Google Colab Pro+ لتشغيل كود Python وتدريب النموذج على مجموعات بيانات الصور الكبيرة، باستخدام حزمة Ultralytics مع YOLOv11 لتصنيف النسور. تُخزَّن الصور على محرك جوجل درايف بسعة 2 تيرابايت، ويتم الحصول عليها من قاعدة بيانات iNaturalist عبر حزمة rinat R، وتُستكمل ببيانات من كلية الحياة البرية في الجنوب الأفريقي وصندوق الحياة البرية المهددة بالانقراض. تتيح خطة فريق أداة الرؤية الحاسوبية للتعليقات التوضيحية (CVAT) وضع تعليقات توضيحية تعاونية للصور، مما يسمح لعدة مستخدمين بتسمية الصور وتصديرها مع التعليقات التوضيحية للتدريب والتحقق من صحتها.
عوامل التمكين
- مجموعة بيانات مشروحة عالية الجودة تحتوي على صور متنوعة تمثل الأنواع المستهدفة في بيئات وظروف مختلفة.
- الوصول إلى الموارد الحاسوبية (Google Colab Pro+) لتدريب نموذج الذكاء الاصطناعي والتحقق من صحته.
- التعاون مع خبراء الحفاظ على البيئة للتحقق من صحة نتائج النموذج في الظروف الميدانية.
الدرس المستفاد
- التأكد من أن مجموعة البيانات تمثل ظروف العالم الحقيقي لتجنب التحيز في الكشف (مثل الإضاءة والزوايا والموائل).
- تحديثات منتظمة للنموذج ببيانات جديدة لتحسين الدقة والقدرة على التكيف.
- تشمل التحديات التصنيفات الخاطئة بسبب تداخل سمات الأنواع؛ من الضروري وجود خبراء للتحقق من صحة النتائج الأولية.
الموارد
برمجيات مفتوحة المصدر لمراقبة النسور
تستفيد هذه اللبنة الأساسية من أداة Declas، وهي أداة ذكاء اصطناعي مفتوحة المصدر، لأتمتة مراقبة النسور. من خلال تحليل الصور أو مقاطع الفيديو، يكتشف النظام الأنواع ويصنفها بدقة عالية. يلغي النظام العد اليدوي، مما يتيح تتبع الحياة البرية بشكل قابل للتطوير وفعال من حيث التكلفة. يقوم المستخدمون - الباحثون أو الحراس أو دعاة الحفاظ على البيئة - بتحميل البيانات المرئية ببساطة، وتقوم الأداة بتوليد رؤى في الوقت الفعلي لاتخاذ قرارات مستنيرة. بُنيت على YOLOv11 (Ultralytics) وتم تدريبها على بيانات التعهيد الجماعي.
عوامل التمكين
- واجهة مستخدم بسيطة وبديهية لضمان سهولة الوصول للمستخدمين غير التقنيين.
- موارد التوثيق والتدريب للمستخدمين لفهم التطبيق واستخدامه بفعالية.
- ملاحظات المجتمع لتحسين قابلية استخدام الأداة وميزاتها باستمرار.
الدرس المستفاد
- سهولة الاستخدام أمر أساسي؛ فالواجهات المعقدة للغاية تثبط المستخدمين.
- ويضمن تقديم الدعم الفني والوثائق الواضحة اعتمادها على نطاق أوسع.
- وشملت تحديات التكامل مواءمة مخرجات نموذج الذكاء الاصطناعي مع أدوات التصور سهلة الاستخدام؛ وكان الاختبار التكراري ضرورياً لحل هذه المشكلة.
الموارد
التدريب المختلط والدعوة إلى الحفاظ على البيئة
توفر هذه اللبنة الأساسية تدريبًا عمليًا للباحثين والعاملين في مجال الحفاظ على البيئة في بنين وجنوب أفريقيا (خارج الإنترنت) وعلى مستوى العالم (عبر الإنترنت من خلال تطبيق زووم) على استخدام نظام ديكلاس. تغطي الجلسات:
- استخدام البرمجيات: تحميل البيانات، وتفسير النتائج الناتجة عن الذكاء الاصطناعي، ودمج النتائج في استراتيجيات الحفظ.
- الدعوة للحفظ: رفع مستوى الوعي حول تراجع النسور ودور الذكاء الاصطناعي في الرصد القابل للتطوير.
سيتعلم المتدربون كيفية نشر نظام ديكلاس في المسوحات الميدانية، مما يقلل من الاعتماد على العد اليدوي مع تحسين دقة البيانات. يضمن النهج الهجين إمكانية الوصول على نطاق واسع، وتمكين الفرق المحلية بتكنولوجيا فعالة من حيث التكلفة.
عوامل التمكين
- إنترنت موثوق وطاقة موثوقة للجلسات عبر الإنترنت/دون اتصال بالإنترنت.
- دعم الشركاء المحليين للخدمات اللوجستية والمشاركة.
- الإعداد المسبق للتدريب (المواد وإعداد البرامج).
التأثيرات
أظهر المشروع آثاراً إيجابية كبيرة في الأبعاد البيئية والاجتماعية والاقتصادية.
الآثار البيئية
اختُبر النموذج المدعوم بالذكاء الاصطناعي في غابات سوتا وتروا ريفيير وأليبوري سوبريور (بنين) ومحميات كمبيانا ومانيليتي (جنوب أفريقيا). في جميع هذه المواقع، حدد البرنامج بدقة الجيبس الأفريقي في أكثر من 89% من الصور التي تم تحليلها، مما يؤكد وجوده في هذه النظم البيئية. أما في بنين، فقد اكتشف البرنامج وفرة أعلى بنسبة 15% من المسوحات اليدوية السابقة، مما يؤكد فعاليته في توفير بيانات موثوقة لرصد أعداد النسور. ومن خلال تحديد أنماط ذروة النشاط اليومي، ساعد هذا النظام في تحسين استراتيجيات الحفظ، مثل ضمان توافر الذبائح خلال أوقات ذروة التغذية.
الآثار الاجتماعية
تم تنزيل برنامج Declas بالفعل أكثر من 90 مرة منذ إطلاقه قبل 4 أشهر (https://zenodo.org/records/14166440) دون ترقية أو تدريب هجين.
الآثار الاقتصادية
خفضت الأداة تكاليف المراقبة بشكل كبير بنسبة 40%، مما أدى إلى توفير الموارد التي كانت تُنفق في السابق على المسوحات الميدانية اللاحقة باستخدام مصيدة الكاميرا. وقد أفادت حماية النسور الاقتصادات المحلية بشكل غير مباشر.
المستفيدون
وقد استفادت منظمات الحفظ الأفريقية والباحثون والمجتمعات المحلية من خلال تحسين رصد الأنواع، وتعزيز الوصول إلى البيانات، وبناء القدرات، وتعزيز نتائج الحفاظ على النسور المهددة بالانقراض.
بالإضافة إلى ذلك، اشرح إمكانية التوسع في الحل الخاص بك. هل يمكن تكراره أو توسيعه ليشمل مناطق أو منظومة أخرى؟
ويتمتع الحل بإمكانية توسع قوية ويمكن تكراره في مناطق أو أنظمة بيئية أخرى على مستوى العالم. ويمكن إعادة تدريب نموذج الذكاء الاصطناعي بالبيانات المحلية لرصد أنواع مختلفة، بينما يضمن التطبيق المفتوح المصدر إمكانية الوصول إلى فرق متنوعة للحفاظ على البيئة. على سبيل المثال، يمكن أن يتوسع هذا النموذج لرصد الأنواع الكاسحة في آسيا أو أمريكا اللاتينية، أو حتى الأنواع الرئيسية الأخرى، مثل الحيوانات المفترسة أو الملقحات. وبالاستفادة من الشراكات مع شبكات الحفظ العالمية، يمكن للحل أن يدمج مجموعات البيانات من مناطق متعددة لتعزيز قدرته على التكيف. وبحد أدنى من التعديلات، يمكن أيضًا تطبيقه على أنظمة بيئية مختلفة، من السافانا إلى المناطق المعتدلة، شريطة توفر بيانات الصور ذات الصلة وشروح الأنواع. كما أن فعاليتها من حيث التكلفة وتصميمها سهل الاستخدام يجعلها متاحة للفرق ذات الموارد المحدودة، مما يتيح اعتمادها على نطاق واسع.
الإطار العالمي للتنوع البيولوجي (GBF)
الهدف 17 - تعزيز السلامة الأحيائية وتوزيع فوائد التكنولوجيا الأحيائية
الهدف 20 - تعزيز بناء القدرات ونقل التكنولوجيا والتعاون العلمي والتقني من أجل التنوع البيولوجي
أهداف التنمية المستدامة
هدف التنمية المستدامة 3 - الصحة الجيدة والرفاهية
الهدف 9 - الصناعة والابتكار والبنية التحتية
الهدف 15 من أهداف التنمية المستدامة - الحياة على الأرض
الهدف 17 من أهداف التنمية المستدامة - الشراكات من أجل تحقيق الأهداف
القصة
في قلب سوتا في بنين، وقف شاب من دعاة الحفاظ على البيئة يُدعى أنجي أمام مصيدة الكاميرا، متعجبًا من مشهد النسور التي تم التقاطها في الإطار. لم تكن هذه النسور مجرد جزء من الحياة البرية في المتنزه، بل كانت مؤشراً على صحة النظام البيئي في المتنزه وحيوية للمجتمعات المحيطة. ولكن على الرغم من أهميتها، واجهت النسور، وخاصة طائر الجيبس الأفريقي المهدد بالانقراض، تهديدات هائلة من التسمم وفقدان الموائل ونقص المراقبة الكافية.
شارك أنجي منذ فترة طويلة في الحفاظ على الحياة البرية، لكنه وجد أنه من المحبط تتبع أنواع مثل النسور باستخدام أساليب قديمة وكثيفة العمالة. كانت الدراسات الاستقصائية متقطعة في كثير من الأحيان، وحتى خبراء الحفاظ على البيئة المتمرسين كانوا يعانون من مهمة التعرف اليدوي على أنواع النسور التي تستغرق وقتًا طويلاً. كانت الحاجة إلى طريقة أكثر كفاءة ودقة لرصد هذه الطيور واضحة، ولكن لم يكن من الواضح كيف يمكن تحقيق هذه القفزة. كان ذلك حتى علم أنجي بالحل الذي توصلنا إليه. لقد كان مفتوناً بالحل وقد رأى عن كثب كيف أن الموارد المحدودة غالباً ما تعيق الرصد الفعال، وبدا له أن هذه الطريقة المثالية لضمان الحصول على بيانات أكثر دقة وفي الوقت الحقيقي.
بدأت أنجي وفريقها في استخدام الأداة في سوتا. وفي غضون الأشهر القليلة الأولى، شهدوا تحولاً جذرياً في طريقة عملهم. لم تحدد الأداة النسور بدقة فحسب، بل ساعدت أيضًا في تتبع نشاطها اليومي وكثافة أعدادها. في محميتي كمبيانا ومانيليتي في جنوب أفريقيا، حيث تم اختبار النموذج أيضًا، كانت النتائج تحولًا مماثلًا. فقد أصبح بإمكان الباحثين الآن تقييم وجود النسور وسلوكها بسرعة دون الحاجة إلى ساعات من العمل الميداني.
كان تأثير ذلك على عمل أميناتا عميقاً. فلم تعد مقيدة بقيود الأساليب التقليدية. وبدلاً من ذلك، أصبح بإمكانها الآن الوصول إلى أداة رصد قوية وقابلة للتطوير وفعالة لا تدعم الحفاظ على النسور فحسب، بل ساهمت أيضاً في استدامة النظم البيئية في أفريقيا على المدى الطويل. إن قصة نجاح أميناتا هي شهادة على قوة الابتكار في مجال الحفاظ على البيئة. فهي تُظهر كيف يمكن لدمج التكنولوجيا والخبرة المحلية أن يُحدث تغييراً حقيقياً في حماية الأنواع المعرضة للخطر وضمان صحة كوكبنا.
