Hopp til innhold

Fargebilder fra droner ga bedre anslag på steinkobbers kroppslengde enn varmebilder

Forskning: Økologi, Annen forskning

Dronebilder kan fange mange steinkobber på et hvilested, men det er ikke rett fram å anslå kroppslengden ut fra bildene. I en forskningsrapport som foreløpig ikke er fagfellevurdert (preprint), testet forskere et system med undersøkelser av steinkobber (Phoca vitulina) i British Columbia i 2023 og 2024. Systemet tegnet omrisset av dyrene i flybildemosaikker – kart satt sammen av overlappende bilder – og anslo lengden på hvert dyr.

Med manuelle lengdemålinger av 2 483 steinkobber på de samme flybildemosaikkene som referanse – ikke direkte mål av dyrene – ga systemet 0,6 cm kortere lengdeanslag i gjennomsnitt med vanlige fargebilder (RGB). Den lille gjennomsnittlige skjevheten betyr ikke at alle målingene var nøyaktige: rotmiddelkvadratfeilen (RMSE) var 12,5 cm, et mål som gir større enkeltfeil ekstra vekt. Varmebilder gjorde det dårligere. De undervurderte lengden med gjennomsnittlig 19,9 cm og hadde en RMSE på 24,1 cm. Under forholdene som ble undersøkt, konkluderte forskerne med at varmebilder ikke egnet seg til denne automatiserte, bildebaserte metoden for lengdeanslag.

Med RGB-bilder plasserte systemet dyrene i riktig størrelsesklasse – unger, ungdyr eller subadulte/voksne – i 78,7 prosent av tilfellene. Treffprosenten steg til 90,9 når steinkobber nær klassegrensene ble utelatt. Dette er størrelsesklasser, ikke bekreftede aldre; små målefeil kan vippe et dyr over en grense. Nøyaktigheten i flybildemosaikkene varierte også mellom undersøkelsesforholdene, med geometriske feil fra 1 til 18 cm. Dette er særlig viktig for steinkobber nær grensene mellom størrelsesklassene, der selv en liten lengdefeil kan gi feil klassifisering.

Resultatene tyder på at fargebilder fra droner kan hjelpe forskere med å følge størrelsessammensetningen av steinkobber på hvilesteder, dersom bildetype og undersøkelsesforhold tas med i vurderingen. Studien testet et måleverktøy, ikke endringer i bestanden.

Kilder og bildekreditering

  1. Automated detection, morphometric measurement, and size-class determination of harbor seals (Phoca vitulina) from UAV orthomosaics: a cascaded deep-learning pipeline with stratified validation across platforms, sensors, altitudes, and substratesPrimærkilden er et preprint. Publiseringsdato og artikkelens sammendrag ble kontrollert; fullteksten var ikke tilgjengelig under verifiseringen.
  2. Preprint Match — authors' bioRxiv abstract reprinted with posting dateThe original bioRxiv server currently blocks this reader; independent preprint index reprints the authors' original abstract word for word and identifies posting date 8 Oct 2026, with RGB bias −0.6cm RMSE 12.5cm, thermal bias −19.9cm RMSE 24.1cm and 2,483 annotated seals. Preprint, not peer reviewed.

Bilde: Brocken Inaglory / Wikimedia Commons, CC BY-SA 3.0. Representative photograph. · CC BY-SA 3.0 · Kilde

Om innholdet: Denne saken er produsert med KI-assistanse i en redaksjonell arbeidsflyt utviklet av Wildlife Vagabond. Det redaksjonelle ansvaret ligger hos Wildlife Vagabond.Slik brukes KI

Økologi

ARTER I SAKEN

Arten i saken

Steinkobbe Phoca vitulina Utforsk arten

Uavhengig nyhetsarkiv for forskning og naturvern

Var denne informasjonen nyttig?

Wildlife Vagabond er utviklet og vedlikeholdt uavhengig. Frivillig støtte bidrar til kildekontroll, drift og videre arbeid med forsknings- og naturvernnyheter.

Støtt Wildlife Vagabond

Nyhetsarkivet forblir fritt tilgjengelig.