Steckbrief DMCrAI
| Name | DMCrAI – eine R-Shiny App für das KI gestützte Datenmanagement von Fotofallenbildern |
| Funktion | Kontinuierliche und systematische Erfassung und Überwachung von Wildtierpopulationen mit Fotofallen. Entwicklung eines Tools für die KI-gestützte Datenverarbeitung und das Datenmanagement von Fotofallenbildern Automatisierte Erkennung von Wildtieren auf Fotofallenbildern Gewährleistung von Datenschutzstandards (Verpixelung personenbezogener Daten) Standardisierung der Verarbeitungsprozesse |
| Technologie | R-Shiny: Entwicklung einer interaktiven Web-App zur benutzerfreundlichen Steuerung des gesamten Datenmanagements sowie der verwendeten KI-Tools Megadetector: KI-gestütztes Objekterkennungssystem mit der Möglichkeit Tiere, Menschen und Fahrzeuge auf Kamerafallenbildern zu erkennen. Wurde von Microsoft AI for Earth entwickelt. Deepfaune: KI-gestütztes Tierartenerkennung um die Tierart auf Fotofallenbildern zu erkennen. Gemeinschaftliches KI-Projekt, das von französischen Forschungsinstitutionen, Naturschutzorganisationen und internationalen Projektpartnern entwickelt wird. |
| Einsatzbereiche | Weltweit (unterschiedliche KI-Modelle je nach Region) |
| Datenquellen | Fotofallenbilder |
| Funktionsweise und Algorithmen | Megadetector: Deep Convolutional Neural Networks (CNNs) unter Verwendung von YOLO und Faster R-CNN Deepfaune: Nutzt zunächst den Megadetector und anschließend ein mit Tierbildern aus Europa trainiertes Convolutional Neural Network (CNN) |
| Ergebnis / Output | Megadetector: Klassifizierung der Fotofallenbilder in Leerbilder, Fahrzeug, Mensch und Tier mit Angabe der jeweiligen Konfidenz sowie dem spezifischen Bildausschnitt (bounding box) Deepfaune: Klassifizierung der Fotofallenbilder nach europäischen Tierarten mit Angabe der Konfidenz |
| Vorteile | Deutliche Zeitersparnis (Leerbilder ohne Tier müssen nicht mehr angeschaut werden) Wahrung von Datenschutzanforderungen (Automatische Verpixelung von personenbezogenen Bildern) Wahrung von verwaltungsbezogenen Anforderungen (z.B. lokale Anwendung ohne Datentransfer der Fotofallenbilder auf externe Server (Cloud) |
| Zielgruppe | Aktuell primär Wissenschaft, Verwaltung, private Anwendungen in der Entwicklung |
| Projekte / Referenzen | DMCrAI wird aktuell in Kooperation zwischen FVA (Baden-Württemberg) und FAWF (Rheinland-Pfalz) entwickelt. Megadetector und Deepfaune werden bereits weltweit in unterschiedlichsten Projekten sowie mehreren Cloudanwendungen angewendet |
| Kosten | Frei verfügbar |
| Risiken und Schwächen | Inzwischen sehr hohe Genauigkeit bei der Klassifizierung von Objekten und Tierarten. Die Fehlerrate geht jedoch in bestimmten Situationen nach oben (z.B. Nebel) |
| Zukunftsperspektiven, Weiterentwicklung | Durch die Implementierung der App in R-Shiny kann sie jederzeit weiterentwickelt werden. Die Integration neuer KI-Anwendungen ist somit möglich. |
| Verfügbarkeit und Kontakt | FVA BW Max Kröschel: Max.Kroeschel@Forst.bwl.de FAWF Alexander Wagner: alexander.wagner@wald-rlp.de |
