Ervoor zorgen dat ScannerEdge-apparaten op de juiste manier worden geïnstalleerd en geconfigureerd in het veld, met grondige training voor operators om hun effectiviteit bij het detecteren van illegale menselijke activiteiten te maximaliseren.

Vooruitgang in boordtechnologieën en AI-integratie bieden een groot potentieel om de bestaande drone-gebaseerde krokodilmonitoringmethode verder te verbeteren. Verbeteringen in de hardware van drones, zoals hybride modellen met langere vliegtijden en verbeterde cameraresoluties, maken een bredere dekking van habitats en het vastleggen van meer gedetailleerde beelden in complexe omgevingen mogelijk. De integratie van kunstmatige intelligentie (AI) biedt een belangrijke mogelijkheid om de beeldanalyse te stroomlijnen door de detectie van krokodillen en de schatting van de grootte te automatiseren met behulp van allometrische modellen. Deze AI-gestuurde verbeteringen kunnen zorgen voor bijna real-time gegevensverwerking, waardoor de tijdrovende handmatige analyse minder nodig is.

Deze verbeteringen worden momenteel ontwikkeld. We hebben in april 2025 een experimentele studie uitgevoerd in Kameroen met studenten en jonge onderzoekers van de Universiteit van Ngaoundéré en lokale NGO's, waarbij gebruik werd gemaakt van drones uitgerust met thermische camera's en zoeklichten, en waarbij gebruik werd gemaakt van AI-ondersteunde automatische gegevensverwerking.

Deze bouwsteen is gericht op de capaciteitsopbouw van lokale belanghebbenden, waaronder inheemse volken en lokale gemeenschappen (IPLC's), om drones te bedienen, zodat ze een actieve rol kunnen spelen in natuurbehoud.

Gebruiksgemak van de ontwikkelde methode:

1. Minimale technische vaardigheden vereist:
   Gebruikers hebben alleen een basisopleiding nodig in het bedienen van drones en het extraheren van metingen uit hogeresolutiebeelden. Het proces is eenvoudig:
   • Vlieg met de drone volgens het gestandaardiseerde vluchtprotocol.
   • Markeer krokodilachtigen op luchtfoto's.
   • Meet de zichtbare koplengte met behulp van toegankelijke beeldanalysetools (bijv. ImageJ, QGIS).
   • Pas de corresponderende allometrische vergelijking toe of kijk in vooraf opgestelde tabellen (abaques) voor het schatten van de totale lengte.
2. Gemakkelijk aan te passen:
   Het raamwerk maakt gebruik van eenvoudig te lezen tabellen (abaques), waardoor het toegankelijk is voor zowel specialisten als niet-specialisten, omdat operators de methode snel kunnen toepassen zonder geavanceerde wetenschappelijke expertise nodig te hebben.
3. Toegankelijke apparatuur:
   De aanpak maakt gebruik van consumentendrones en algemeen verkrijgbare software, waardoor de methode betaalbaar is en de barrières voor invoering worden verkleind.

Waarom het effectief is:

De eenvoud, schaalbaarheid en betrouwbaarheid van het raamwerk maken het ideaal voor uiteenlopende contexten, van afgelegen wetlands tot aan de stad grenzende habitats. Het stelt een breed scala aan gebruikers in staat om wetenschappelijk robuuste gegevens te genereren.

Het allometrische raamwerk is een niet-invasief hulpmiddel dat is ontworpen om de totale lichaamslengte van krokodilachtigen te schatten op basis van de meting van hun koplengte, vastgelegd met hogeresolutie dronebeelden. Door gebruik te maken van vastgestelde soortspecifieke verhoudingen tussen kop- en lichaamslengte, maakt deze methode het fysiek vangen of hanteren overbodig, waardoor de risico's voor zowel onderzoekers als wilde dieren worden beperkt. Het raamwerk, dat gevalideerd is voor 17 van de 27 krokodilachtigen, maakt het mogelijk om betrouwbare demografische gegevens te leveren die essentieel zijn voor populatiemonitoring en natuurbeschermingsbeheer.

Het raamwerk maakt gebruik van eenvoudig te lezen tabellen (abaques), waardoor het toegankelijk is voor niet-specialisten, die de methode snel kunnen toepassen zonder geavanceerde wetenschappelijke expertise nodig te hebben.

Inzicht in de demografische structuur is van vitaal belang voor het onderzoek naar en het behoud van wilde dieren. Voor krokodilachtigen is voor een nauwkeurige schatting van de totale lengte en de demografische klasse meestal nauwkeurige observatie of vangst nodig, vaak van gedeeltelijk ondergedompelde individuen, wat kan leiden tot onnauwkeurigheid en risico. Drone-technologie biedt een biasvrij, veiliger alternatief voor classificatie. Deze studie evalueerde de effectiviteit van drone foto's in combinatie met koplengte allometrische relaties om de totale lengte te schatten, en stelt een gestandaardiseerde methode voor op drone-gebaseerde crocodylian demografische classificatie.

Deze bouwsteen stelt gestandaardiseerde vluchtparameters vast voor het effectief monitoren van krokodilachtigen.

Een van de grootste obstakels voor grootschalig herstel zijn de kosten. Onze oplossing maakt dure kwekerijen overbodig en vermindert arbeidsintensieve inspanningen, waardoor efficiënt planten op grote schaal mogelijk wordt. De drones kunnen tot 2.000 zaden planten in minder dan 10 minuten, wat de tijd en arbeidskosten drastisch vermindert. Deze betaalbaarheid maakt herstel haalbaar voor regio's met lage inkomens en opent mogelijkheden voor schaalvergroting in gebieden die voorheen ontoegankelijk werden geacht. Het proces is aanpasbaar aan andere hersteluitdagingen, zoals herbebossing of landbouwherstel, waardoor het veelzijdig is voor meerdere toepassingen.

Bij herstel gaat het niet alleen om planten, maar ook om het garanderen van de impact op de lange termijn. Ons MRV-systeem op basis van AI zorgt voor het in realtime volgen van de voortgang van de restauratie en de gezondheid van het milieu. Het pakt ook kritieke problemen aan zoals illegale visvangst, stroperij en ontbossing, en stelt gemeenschappen in staat om hun herstelde ecosystemen te beschermen. Dit systeem integreert satellietgegevens, dronebeelden en AI-analyses om bruikbare inzichten te bieden, die kunnen worden aangepast aan andere restauratie- of beschermingsinspanningen. Het ondersteunt ook transparantie en verantwoording, zodat belanghebbenden de voortgang en resultaten effectief kunnen meten.

Ons licentie- en trainingsplatform stelt gemeenschappen in staat om zelfstandig drones te bouwen, bedienen en onderhouden. Deze aanpak is hands-on en collaboratief, bevordert lokale expertise en stelt gemeenschappen in staat om de technologie aan te passen aan hun unieke behoeften. Het platform gaat verder dan technische vaardigheden en creëert een basis voor gemeenschappen om te innoveren en drones aan te passen voor aanvullende toepassingen zoals surveillance, kartering en precisielandbouw. Belangrijk is dat het platform een feedbackloop stimuleert waarbij gemeenschappen hun innovaties delen, waardoor het bredere wereldwijde netwerk van gebruikers wordt verrijkt.

Onze modulaire drones zijn ontworpen met het oog op toegankelijkheid, aanpasbaarheid en duurzaamheid. In eerste instantie zijn ze gemaakt van houten onderdelen met minder dan zes schroeven en kabelbinders. Ze zijn eenvoudig in elkaar te zetten, te repareren en te repliceren met behulp van lokale materialen, waardoor gemeenschappen zelfstandig herstelprojecten kunnen uitvoeren.

Naarmate we verder zijn, hebben we waterstof-brandstofcellen en hybride-elektrische aandrijfsystemen geïntegreerd, waardoor het vliegvermogen, de energie-efficiëntie en de duurzaamheid voor het milieu zijn verbeterd. Dankzij deze innovaties kunnen drones grotere gebieden bestrijken en in afgelegen omgevingen werken, terwijl ze hun ecologische voetafdruk verkleinen.

Het modulaire ontwerp zorgt voor flexibiliteit voor voortdurende aanpassing, waardoor gemeenschappen drones kunnen upgraden met tools zoals camera's of sensoren voor monitoring. Deze aanpak combineert eenvoud met baanbrekende innovatie en slaat een brug tussen empowerment aan de basis en schaalbaar, impactvol herstel van het milieu.