Kunstmatige intelligentie helpt steenuil

Het gaat niet goed met de steenuil in Nederland. Om te begrijpen waarom, kijken onderzoekers al jaren letterlijk mee in de nestkast. Met camera’s wordt vastgelegd wat oudervogels aan hun jongen voeren. Maar het uitpluizen van die beelden is een tijdrovende klus. Kunstmatige intelligentie moet daar nu verandering in brengen.

“Wij tellen het aantal prooien dat steenuilen hun jongen voeren”, vertelt Ronald Westveer van Steenuilen Overleg Nederland. “Die informatie zegt veel over hoe goed de jongen worden gevoed. En dat is cruciaal om te begrijpen waarom de soort het moeilijk heeft.”

Scrollen
Vrijwilligers, en met name studenten, spelen een grote rol in dat onderzoek. Zij bekijken de videobeelden uit nestkasten en noteren elke prooi die een steenuil aanbrengt. Maar dat is monnikenwerk. “Het gaat om uren en uren aan beeldmateriaal”, zegt Westveer. “Camera’s nemen continu op, dus er zit ook veel tussen waar niets gebeurt. Vrijwilligers moeten hele dagen scrollen om die ene opname te vinden waarop een steenuil met een prooi in zijn snavel zit.”

AI
Daar komt AI om de hoek kijken. Vanuit Applied Bioscience werken informaticastudenten samen met vogelonderzoekers aan een oplossing. “We zijn nu zo’n twee jaar bezig”, legt Westveer uit. “Een AI-model moet je trainen. Dat betekent dat je het voedt met duizenden voorbeelden. Studenten hebben uren aan beeldmateriaal geselecteerd en bewerkt om het systeem te leren herkennen wat een prooi is.” De aanpak is arbeidsintensief, maar noodzakelijk. Uit videobeelden worden foto’s gehaald waarop een steenuil met een prooi te zien is. Die beelden worden vervolgens handmatig gelabeld: is het een muis, een worm of iets anders? “Daarna testen we hoe goed het model werkt. Is het nauwkeurig genoeg? Dat kost veel tijd, maar het is essentieel.”

Fouten
Het AI-model werkt met waarschijnlijkheden. Het systeem geeft bijvoorbeeld aan dat een prooi “waarschijnlijk een muis” is, met een bepaald percentage zekerheid. “Als die zekerheid te laag is, kunnen vrijwilligers nog steeds handmatig ingrijpen”, zegt Westveer. “Die correcties gebruiken we vervolgens weer om het model verder te trainen. Zo wordt het steeds slimmer.”

Roofvogels
De ambitie reikt verder dan alleen de steenuil. Uiteindelijk moet het systeem automatisch videobeelden kunnen analyseren en met een kader aangeven waar de prooi zich bevindt én wat het is. “Het project zit nu in de fase dat de applicatie werkt en we de prooien goed in kaart brengen”, aldus Westveer. “We hopen dat we straks een betrouwbaar systeem hebben waar onderzoekers echt mee vooruit kunnen.” En dat blijft niet beperkt tot één soort. “We kijken al naar toepassingen voor andere roofvogels, zoals de torenvalk. En misschien zelfs internationaal.”

Leiden Wetenschap