Year: 2025
Type: article
Abstract: У сучасних дослідженнях дикої природи значну роль відіграють технології комп'ютерного зору та методи детекції об'єктів, зокрема із застосуванням фотопасток.Ці інструменти дозволяють автоматизувати процеси моніторингу, які раніше вимагали значних витрат часу та людських ресурсів.Автоматизований аналіз зображень сприяє глибшому розумінню екологічних факторів, що впливають на розподіл і поведінку тварин, а також забезпечує ефективне управління природними ресурсами та збереження біорізноманіття.Дослідження присвячене розробці та застосуванню алгоритму автоматичного розпізнавання морфологічних характеристик оленів, зокрема будови їхніх рогів, на основі зображень із фотопасток.Роги оленів є важливими індикаторами віку, статусу домінування, якості харчування та загального здоров'я особин.Автоматизований аналіз цих ознак дозволяє отримувати цінну інформацію про стан популяції без необхідності вилову тварин чи тривалого спостереження, що має практичне значення для мисливських господарств України.Для вирішення задачі детекції об'єктів використано алгоритм YOLO (You Only Look Once), який характеризується високою швидкістю та точністю завдяки одночасному передбаченню обмежувальних рамок і ймовірностей класів об'єктів за допомогою єдиної згорткової нейронної мережі.На відміну від традиційних методів, YOLO аналізує зображення цілком, враховуючи контекст, що забезпечує надійне розпізнавання об'єктів у складних природних умовах.У дослідженні алгоритм адаптовано для виявлення рогів оленів, що демонструє його універсальність і придатність до вузькоспеціалізованих задач екологічного моніторингу.Результати дослідження показують, що автоматичне розпізнавання морфологічних ознак рогів дає змогу швидко виявляти аномалії, оцінювати генетичну якість і стан здоров'я оленів, а також прогнозувати ризики для популяції.Це сприяє розробці ефективних стратегій збереження та управління популяціями копитних.Отримані дані можуть бути використані для оптимізації роботи мисливських господарств, зокрема для планування заходів зі збереження біорізноманіття та раціонального використання природних ресурсів.Перспективи подальших досліджень включають інтеграцію розробленого алгоритму в автоматизовані системи моніторингу, розширення аналізу на інші фенотипічні ознаки тварин, а також поширення цього підходу на інші регіони України.Подальший розвиток методології може сприяти створенню універсальних інструментів для моніторингу дикої природи, що матиме значення не лише для екології, але й для суміжних галузей, таких як біоінформатика та управління природокористуванням. Застосування алгоритмів комп'ютерного зору, подібних до YOLO, відкриває нові можливості для швидкої та точної оцінки стану популяцій у реальному часі, що є критично важливим для сталого розвитку екосистем.Ключові слова: моніторинг, фотопастка, аналіз розподілу, ратичні, популяції, моделювання, комп'ютерний зір, алгоритм YOLO. YOLO-Based Automatic Deer Antler Identification for Population Assessment. Voronova N., Gorban V., Lytvynenko A., Vysochin D.In modern wildlife research, computer vision technologies and object detection methods, particularly those employing camera traps, play a pivotal role.These tools facilitate the automation of monitoring processes that traditionally demanded considerable time and human resources.Automated image analysis enhances the understanding of ecological factors influencing animal distribution and behavior, while also supporting effective natural resource management and biodiversity conservation.This study focuses on the development and implementation of an algorithm for the automatic recognition of morphological characteristics of deer, specifically the structure of their antlers, using images captured by camera traps.Deer antlers serve as critical indicators of age, dominance status, nutritional quality, and overall individual health.The automated analysis of these traits provides valuable insights into population conditions without requiring animal capture or extended observation periods, which is particularly relevant for hunting farms in Ukraine.To tackle the object detection challenge, the YOLO (You Only Look Once) algorithm was utilized.This algorithm is distinguished by its high speed and accuracy, achieved through the simultaneous prediction of bounding boxes and class probabilities within a single convolutional neural network.Unlike conventional approaches, YOLO processes the entire image holistically, incorporating contextual information, which ensures robust object recognition under complex natural conditions.In this research, the algorithm was tailored to detect deer antlers, showcasing its adaptability and effectiveness for specialized tasks in ecological monitoring.The findings demonstrate that the automatic recognition of antler morphology enables rapid identification of anomalies, evaluation of genetic quality and health status of deer, and prediction of population risks.These outcomes support the formulation of effective conservation strategies and the management of ungulate populations.The resulting data can optimize the operations of hunting farms, particularly in planning biodiversity conservation measures and the sustainable use of natural resources.Future research prospects include integrating the developed algorithm into automated monitoring systems, extending the analysis to additional phenotypic traits of animals, and applying this approach to other regions of Ukraine.Further refinement of the methodology could lead to the creation of versatile tools for wildlife monitoring, with implications not only for ecology but also for related disciplines such as bioinformatics and natural resource management.The deployment of computer vision algorithms like YOLO unlocks new possibilities for rapid and precise real-time assessment of population status, a factor of critical importance for the sustainable development of ecosystems.
Source: Ecological Sciences
Authors: N. Voronova, V. Gorban, A. Lytvynenko, D. Vysochin
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
SDG: Zero hunger
Open Access status: diamond
OpenAlex ID: W4412982771