アフリカ全域のハゲワシ種モニタリングのためのコンピュータ・ビジョン
フル・ソリューション
デクラスによるシロハゲタカの検出
Stanislas Mahussi Gandaho
このAI搭載ソリューションは、バイオテクノロジーを活用して生物種のモニタリングを強化し、生物多様性保全のための技術移転を促進することで、世界生物多様性フレームワーク（GBF）の目標17と20をサポートする。ディープラーニングモデル "You Only Look Once version 11"（YOLOv11）を使用し、ドローンとカメラトラップのデータから絶滅の危機に瀕しているハゲワシ（Gyps africanus、Gyps coprotheres、Gyps rueppelli、Torgos tracheliotos）の同定と分析を自動化します。African Parks Network（APN）、Southern African Wildlife College（SAWC）、Endangered Wildlife Trust（EWT）、iNaturalistのようなプラットフォーム、GBIFからのデータはモデルの訓練と検証に役立つ。
このプロジェクトは、手間のかかるモニタリングやデータギャップといった課題に取り組んでいる。そのオープンソースのデザインは、アフリカの保全ネットワーク全体のアクセシビリティ、コラボレーション、能力開発を促進し、生物多様性のデータとモニタリングシステムのギャップに直接対処する。
最終更新日 10 Oct 2025
86 ビュー
テックフォーネイチャー賞
技術説明
このソリューションは、リアルタイムの物体検出のための最先端のフレームワークである「You Only Look Once version 11（YOLOv11）」ディープラーニングモデルに基づいて構築されている。このAIモデルは、カメラトラップとドローンの画像のデータセットを使用して、絶滅の危機に瀕しているハゲワシ種（まずはGyps africanus）を特定し、監視するために特別に訓練された。訓練されたモデルは、Wildfier（https://github.com/stangandaho/wildfier）というオープンソースのソフトウェア・アプリケーションに統合された。アクセシビリティを向上させるため、このソフトウェアはDeclasプラットフォーム（https://github.com/stangandaho/declas）に拡張されつつある。Declasは保全用途向けに設計されたスケーラブルな展開システムである。将来的な機能拡張により、このモデルの検出能力は、Gyps coprotheres、Gyps rueppelli、 Torgos tracheliotosなど、さらに多くのハゲワシ種に拡張され、その保全効果はさらに拡大する予定である。
この技術は南アフリカの2つの保護区、ケンピアナとマニエレティに導入され、約3,265のカメラトラップ画像とビデオの分析に成功した。このシステムは、ハゲワシの存在、個体数、行動パターンに関する重要なデータを提供した。種の同定と分析を自動化することで、このソリューションは手作業によるモニタリングに必要な時間と労力を大幅に削減するとともに、保全計画のための正確で実用的な洞察を提供しました。
- 注目すべき進歩と革新
このソリューションの重要な進歩のひとつは、野生生物モニタリングの自動化であり、従来の労働集約的な手法をAI主導の効率的な手法に置き換えた。YOLOv11モデルは強い適応性を示し、密林のブッシュフェルトから開けたサバンナまで、さまざまな生態学的環境において信頼性の高いパフォーマンスを発揮した。この柔軟性は、多様な保全プロジェクトにおける適用性を保証している。さらに、このソフトウェアのオープンソースという性質は、世界中の研究者や自然保護活動家がこのツールを活用し、それぞれのニーズに適応させることを可能にし、普及を促進する。
2.コミュニティへの参画とエンパワーメント
この取り組みでは、地域コミュニティ、先住民グループ、青少年が積極的に参加した。南アフリカのKempianaとManyeleti、ベナンのKandi Forestry Inspectorateでは、レンジャーや自然保護活動家を対象にトレーニングセッションを実施し、彼らがソフトウェアを独自に操作できるようにした。また、伝統的な生態学的知識と最新のAI技術を融合させ、ハゲワシの保護に関する意識を高めるための教育ワークショップも開催された。
3.長期的な持続可能性と環境への責任
このソリューションの長期的なメンテナンスと進化は、技術・データ管理会社のPhorux社（https://dath.phorux.com/）によって管理される。このチームの一員として、私たちはプラットフォームの継続的な改善、拡張性、新たな保全課題への適応性を確保することに尽力しています。
持続可能な資金を確保するため、Naben NGO、Endangered Wildlife Trust (EWT)、Southern African Wildlife College (SAWC)などの技術パートナーやドナーに積極的に働きかけている。私たちが所属するNabenの研究チームは、プラットフォームのパフォーマンスを監視し、（研究者、保護活動家、学生からの）ユーザー・フィードバックを収集し、機能を強化するための新機能を提案する上で重要な役割を果たす。このフィードバック・ループにより、ソリューションが現実世界の保全ニーズに沿ったものになることが保証される。
さらに、リンディ・トンプソン博士（プロジェクト・コーディネーター：Vulture Conservation and Research, EWT Birds of Prey Program, lindyt@ewt.or.za）との協力により、AIモデルの検出機能を改良・拡張するための重要なデータが提供される。同様に、ピーター・ハミング（応用学習研究部講師、phamming@sawc.org.za）との協力により、フィールドベースの検証と実施が強化される。
財政的な持続可能性は、Rコンソーシアムのインフラ運営委員会（ISC）（https://r-consortium.org/posts/r-consortium-awards-first-round-of-2025-isc-grants/）（助成金ID 25-ISC-1-04）のような助成金によってさらに支えられており、カメラトラップデータ管理とAIによる野生動物検出のためのソフトウェア開発プロジェクトに資金を提供している。このマルチステークホルダー・アプローチ（技術的専門知識、保護パートナーシップ、戦略的資金提供の組み合わせ）は、効率的で低資源なAIの導入により環境への影響を最小限に抑えながら、ソリューションの長寿命を保証するものである。
ドナーと資金調達
2024年、南アフリカでシロエリハゲコウの営巣の可能性がある樹木を特定し、樹木の特徴と健康状態を評価し、巣とハゲコウの検出にAIを使用する実現可能性を評価するためのフィールドワークを実施した。このプロジェクトはSouthern African Wildlife Collegeと欧州連合委員会の共同出資によるものである。また、直接の資金提供パートナーではないが、この解決策の実施に協力することに同意してくれた African Parks Network Benin の支援にも感謝する。彼らの協力は、私たちの保護活動を前進させる上で非常に貴重なものである。
写真・ビデオギャラリー
コンテクスト
対処すべき課題
環境面では、このソリューションは絶滅の危機に瀕しているハゲワシの正確なモニタリングを可能にすることで、個体数の減少に対抗する。これは的を絞った保護を助け、病気の蔓延を防ぎ生態系の健全性を維持するために不可欠な、スカベンジャーとしての生態学的役割を保護するのに役立つ（Den Heever et al.、2021）。社会的には、カメラトラップを用いた従来のモニタリングは依然として困難であるため（Young, Rode-Margono, & Amin, 2018; Vélezet al., 2023）、我々のソリューションは、カメラトラップを用いて効果的にハゲワシをモニタリングすることを目指している（de Freitas et al.）教育キャンペーンを支援するデータを生成することで、ハゲワシの重要性に対する認識不足に取り組み、限られた資源しか持たない保護活動家に力を与える、アクセス可能なオープンソースツールを提供する。経済的には、労働集約的な調査に頼る従来のモニタリングの高いコストを削減する。
所在地
ベナン
南アフリカ
西・中央アフリカ
北アフリカ
東・南アフリカ
プロセス
プロセスの概要
この統合ソリューションの成功は、その構成要素がいかにお互いを補強しあうかにかかっている：データ収集とAI開発（ブロック1）は、デクラス・モニタリング・ツール（ブロック2）を動かす高品質なモデル学習データの基盤を提供し、正確な種の検出を保証する。この技術的能力により、キャパシティビルディングとアドボカシープログラム（ブロック3）は、保全活動家への効果的な技術移転を可能にする。地元のパートナー・ネットワークは、データ収集と受益者トレーニングの参加を促進することで、この効果を増幅させ、トレーニング後のサポートはツールの持続的な採用を保証します。
ビルディング・ブロック
AIによるハゲワシの種認識モデル
このビルディング・ブロックは、視覚データから4種のハゲワシ（Gyps africanus、Gyps coprotheres、Gyps rueppelli、Torgos tracheliotos）を検出・分類するモデルを開発することで、ハゲワシ・モニタリングの自動化を目指しており、手作業の削減、分析のスピードアップ、一貫性の確保を実現している。Google Colab Pro+を活用してPythonコードを実行し、大規模な画像データセットでモデルを学習し、ハゲワシの分類にはYOLOv11とUltralyticsパッケージを利用します。画像は2 TBのGoogleドライブに保存され、rinat Rパッケージを通じてiNaturalistデータベースから入手し、Southern African Wildlife CollegeとEndangered Wildlife Trustからのデータで補完している。Computer Vision Annotation Tool (CVAT)チームの計画により、複数のユーザーが共同で画像に注釈を付け、トレーニングと検証のために注釈付きの画像をエクスポートできるようになった。
実現可能な要因
- 異なる環境と条件下における対象種を表す多様な画像を含む、高品質で注釈付きのデータセット。
- AIモデルのトレーニングと検証のための計算リソース（Google Colab Pro+）へのアクセス。
- フィールド条件下でモデルの結果を検証するための保全活動家との協力。
教訓
- 検出の偏り（照明、角度、生息地など）を避けるため、データセットが実世界を代表するものであることを確認する。
- 新しいデータによるモデルの定期的な更新は、精度と適応性を向上させる。
- 課題としては、重複する種の形質による誤分類がある。専門家による初期結果の検証は不可欠である。
ハゲワシ監視のためのオープンソースソフトウェア
このビルディングブロックは、オープンソースのAIツールであるDeclasを活用し、ハゲワシの監視を自動化する。画像やビデオを分析することで、高い精度で種を検出し分類する。このシステムは手作業による計数を排除し、スケーラブルで費用対効果の高い野生動物の追跡を可能にする。研究者、レンジャー、自然保護活動家などのユーザーが視覚データをアップロードするだけで、ツールは情報に基づいた意思決定のための洞察をリアルタイムで生成する。YOLOv11（Ultralytics）上に構築され、クラウドソースデータで訓練されています。
実現可能な要因
- 技術的な専門知識を持たないユーザーでも利用できるよう、シンプルで直感的なユーザーインターフェース。
- ユーザーがアプリケーションを理解し、効果的に活用するためのドキュメントとトレーニングリソース。
- ツールの使いやすさと機能を継続的に向上させるためのコミュニティからのフィードバック。
教訓
- ユーザビリティが重要であり、複雑すぎるインターフェイスはユーザーを遠ざける。
- テクニカル・サポートと明確なドキュメンテーションを提供することで、より広範な採用が可能になる。
- 統合の課題には、AIモデルの出力とユーザーフレンドリーな視覚化ツールの整合性が含まれ、これを解決するには反復テストが不可欠だった。
リソース
ハイブリッド・トレーニング
このビルディングブロックは、ベナンと南アフリカ（オフライン）および世界（Zoomによるオンライン）の研究者と保全活動家向けに、Declasの使用に関する実践的なトレーニングを提供します。セッションの内容
- ソフトウェアの使用：ソフトウェアの使用：データのアップロード、AIが生成した結果の解釈、保全戦略への知見の統合。
- 保全アドボカシーハゲワシの減少に関する意識向上と、スケーラブルなモニタリングにおけるAIの役割。
研修生は、データの精度を向上させながら、手作業によるカウントへの依存を減らし、フィールド調査におけるDeclasの導入を学びます。ハイブリッド・アプローチにより、幅広いアクセスを確保し、費用対効果の高い技術で現地チームに力を与えます。
実現可能な要因
- オンライン／オフライン・セッションのための信頼できるインターネットと電源。
- ロジスティックスと参加に関する現地パートナーのサポート
- 研修前の準備（教材、ソフトウェアのセットアップ）。
影響
このプロジェクトは、環境、社会、経済の各側面において大きなプラスの影響を実証している。
環境への影響
AIを搭載したモデルは、ソタ、トロワ・リヴィエール、アリボリ・スーペリア森林（ベナン）、ケンピアーナおよびマニエレティ保護区（南アフリカ）でテストされました。これらのサイトにおいて、分析した画像の89％以上でGyps africanusを正確に同定し、これらの生態系におけるGyps africanusの存在を確認した。ベナンでは、以前の手作業による調査よりも15％高い生息数が検出され、ハゲワシの個体数をモニタリングするための信頼性の高いデータを提供する有効性が明らかになった。1日の活動のピークパターンを特定することで、給餌のピーク時に死骸の利用可能性を確保するなど、保護戦略の改善に役立った。
社会的影響
Declasソフトウェアは、4ヶ月前のリリース以来、プロモーションやハイブリッドトレーニングなしで、すでに90回以上ダウンロードされている（https://zenodo.org/records/14166440）。
経済的影響
このツールはモニタリングコストを40%大幅に削減し、これまでカメラトラップによるフィールド調査後に費やしていたリソースを節約した。ハゲワシの保護は、間接的に地域経済に利益をもたらした。
受益者
アフリカの自然保護団体、研究者、地域社会は、種のモニタリングの改善、データへのアクセスの強化、能力開発、絶滅の危機に瀕しているハゲワシの保護成果の強化を通じて恩恵を受けた。
さらに、ソリューションの拡張性について説明してください。他の地域やエコシステムに複製または拡大できますか？
このソリューションは拡張性が高く、世界中の他の地域や生態系で複製することができる。オープンソースのアプリケーションは、多様な保全チームがアクセスできることを保証する。例えば、アジアやラテンアメリカのスカベンジャー種、あるいは捕食者や送粉者など他の主要種のモニタリングに拡大することも可能だ。世界的な保全ネットワークとのパートナーシップを活用することで、このソリューションは複数の地域のデータセットを統合し、適応性を高めることができる。また、最小限の調整で、関連する画像データと種の注釈があれば、サバンナから温帯まで、さまざまな生態系に適用することができる。費用対効果に優れ、ユーザーフレンドリーな設計であるため、リソースが限られたチームでも利用可能であり、さらなる普及が期待できる。
グローバル生物多様性フレームワーク（GBF）
GBF目標17「バイオセーフティの強化とバイオテクノロジーの恩恵の分配
GBF目標20「生物多様性のための能力構築、技術移転、科学技術協力の強化
持続可能な開発目標
SDG3 - 良好な健康と福祉
SDG9 - 産業、イノベーション、インフラ
SDG 15 - 陸上での生活
SDGs17「目標のためのパートナーシップ
ストーリー
ベナンのソタの中心部で、アンジュという若い自然保護活動家がカメラトラップの前に立ち、フレームに収められたハゲワシの姿に驚嘆していた。これらのハゲワシは単に公園の野生動物の一部というだけでなく、公園の生態系の健全性を示す指標であり、周辺地域社会にとって不可欠な存在だった。しかし、その重要性にもかかわらず、ハゲワシ、特に絶滅の危機に瀕しているギプス・アフリカヌスは、毒殺、生息地の喪失、適切なモニタリングの欠如といった大きな脅威に直面していた。
アンジェは野生動物の保護に長く携わってきたが、時代遅れで手間のかかる方法でハゲワシのような種を追跡することに苛立ちを感じていた。調査はしばしば散発的で、経験豊富な保護活動家でさえ、ハゲワシの種を手作業で同定するという時間のかかる作業に苦労していた。ハゲワシを監視するためのより効率的で正確な方法の必要性は明らかだったが、その飛躍的な方法は不明だった。アンジュが私たちのソリューションを知るまでは。限られた資源がしばしば効果的なモニタリングの妨げになることを目の当たりにしていたアンジェは、このソリューションがより正確でリアルタイムのデータを確保するための完璧な方法だと感じたのだ。
アンジェと彼女のチームは、Sotaでこのツールを使い始めた。最初の数カ月で、彼らは活動方法が劇的に変化するのを目の当たりにした。このツールはハゲワシを正確に識別するだけでなく、ハゲワシの日々の活動や生息密度の追跡にも役立った。このモデルがテストされた南アフリカのケンピアーナ保護区とマニエレティ保護区でも、結果は同じように一変した。研究者たちは何時間もフィールドワークをすることなく、ハゲワシの存在と行動を迅速に評価できるようになったのだ。
アミナタの仕事に与えた影響は大きかった。もはや従来の方法に縛られることはない。それどころか、ハゲワシの保護をサポートするだけでなく、アフリカの生態系の長期的な持続可能性にも貢献する、堅牢で拡張可能かつ効率的なモニタリング・ツールを利用できるようになったのだ。アミナタのサクセス・ストーリーは、自然保護におけるイノベーションの力を証明するものである。テクノロジーと現地の専門知識の融合が、脆弱な種を保護し、地球の健全性を確保する上で、いかに真の変化を生み出すことができるかを示している。
