Hopp til innhold

TigerNet identifiserte individuelle amurtigre fra sidebilder med 95–96,5 % treffsikkerhet

Amur tiger showing its side stripe pattern at Siberian Tiger Park in Harbin, China

TigerNet, et bildeanalysesystem utviklet for å kjenne igjen individuelle amurtigre (Panthera tigris altaica) ut fra stripemønsteret, oppnådde 95 % treffsikkerhet på bilder av venstre kroppsside og 96,5 % på bilder av høyre side. Studien, publisert 7. januar 2026, testet systemet på 12 625 tigerbilder fra Siberian Tiger Park i Harbin i Kina.

Metoden er inspirert av fingeravtrykkgjenkjenning. Først forsterkes formen og retningen på stripene slik at mønsteret trer tydeligere fram fra bakgrunnen. Deretter henter en modifisert EfficientNetV2Small-modell ut visuelle kjennetegn, før et eget sammenligningstrinn vurderer vinkler og retning i stripemønsteret og tar høyde for variasjon i kroppsstilling.

TigerNet presterte 2,5–5,7 prosentpoeng bedre enn sammenligningsmetodene som ble brukt på tigerdataene. Forskerne fant også at forsterkingen av stripemønsteret reduserte gjenkjenningstiden med 37 %.

For å undersøke om metoden bare fungerte på tigerstriper, testet forskerne den også på et offentlig datasett med ville sebraer. TigerNet oppnådde 90,2 % treffsikkerhet og lå 5,7 prosentpoeng over MiewID. Forfatterne presenterer derfor TigerNet som en ikke-invasiv, bildebasert metode som også kan være aktuell for andre arter med tydelige, individuelle kroppsmønstre.

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

Annen forskning

ARTER I SAKEN

Arten i saken

Tiger Panthera tigris 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.