AIが検出したカメラトラップ画像：三江源地域のアカギツネ
Shan Shui Conservation Center
カメラトラップ・データ管理システム
AIが検出したカメラトラップ画像：三江源地域のユキヒョウ
Shan Shui Conservation Center
地域密着型カメラトラップ監視アシスタントアプリ
Shan Shui Conservation Center
カメラトラップデータ管理システム：種の同定ページ
Shan Shui Conservation Center
カメラトラップ・データのワークフローを加速するため、アプリベースのツールやAI画像認識とともにオンライン・データ管理システムが開発されており、テクニカル・パートナーの支援を受けている：
- コミュニティ・ベースのカメラトラップ監視アシスタント・アプリ：このアプリにより、現地モニターはカメラトラップの設置／回収の時間とGPS位置を自動的に記録できるようになり、現地モニターからのデータ収集と手作業によるデータ入力という面倒なプロセスを省くことができる。(設計図2019年6月、開発：2019年10月～2020年2月、試行・使用：2020年3月～10月)
- AI画像認識モデル：AIモデルは、カメラトラップ写真から動物を検出し、種を特定するのに役立ち、人による同定が必要な写真の数を大幅に減らし、データ処理の効率を高める。
- PU & PKU ResNet18モデル（2018年）、MegaDetector（テストのみ、2020年）、MindSpore YOLOv3モデル（2021年）など、一連のAIモデルが技術パートナーとともにトレーニングおよび/またはテストされている。
- オンライン・データ管理プラットフォーム：アプリを介して収集されたカメラトラップ情報は、写真とともに構造化されたクラウドデータベースにアップロードされる。データ管理プラットフォームは、AIや人間による種の同定をサポートするだけでなく、グローバルなデータ検索や統計レポートも可能にする。(設計図2021年4月～8月、開発：2021年9月-2022年6月、試行と使用：2022年7月)
- 現在のカメラトラップデータワークフローの体系的レビューと技術的システム開発ニーズへの変換
- オープンソースで性能の良いカメラトラップ画像AI認識モデル
- AIコンピューティング、データストレージなどのクラウドリソース
- バグを修正し、システムの使い勝手を向上させるための試用とフィードバックのラウンド
- ローマは一日にして成らず。時間とリソースの制約から、システムをさまざまなモジュールに分割し、段階的にモジュールを開発していかなければなりません。私たちは、各モジュール自体がワークフローの1つ以上のステップを強化できると信じており、完全なシステムに組み込まれる前のモジュールから恩恵を受けている。しかし、最初の段階で大局的な視点を持ち、最終的なシステム統合に向けて長期的な計画を立てることが重要である。
- システムは最初から完璧であるはずがない。アプリが登場し、あるコミュニティで使われるようになった当初は、期待通りに機能せず、地元のモニターからさまざまな種類のバグが報告された。私たちはフィードバックを収集・分析し、アプリのUIデザインと機能性を改善した。