Automatisierte Identifizierung von Fledermäusen aus Kamerafallenbildern

Das Landesexzellenzprogramm MV „Digitalisierung in der Forschung“ fördert das Konsortium „DIG-IT!  Digitalisierung natürlicher Komplexität zur Lösung gesellschaftlich relevanter ökologischer Probleme“. Hierbei soll ein methodischer Werkzeugkasten entwickelt werden, der ökologische Bild- und Audiodaten mit Hilfe von Machine-Learning-Techniken (deep convolutional neural networks) eigenständig erfassen und kategorisieren kann.

Gabriella Krivek aus der AG Kerth befasst sich im Rahmen des Dig-IT!-Projekts mit dem automatisisierten Monitoring von Fledermäusen mit Hilfe von Lichtschranken und Fotofallen:

Die Überwachung von Wildtieren mit Hilfe von Kamerafallen ermöglicht es uns, Daten über die Aktivität von Wildtieren in großen zeitlichen und räumlichen Abständen zu sammeln und die Auswirkungen von durch den Menschen verursachten Umweltveränderungen auf die biologische Vielfalt über Regionen, Jahreszeiten und Arten hinweg zu untersuchen. Automatisierte Überwachungssysteme, wie z. B. Kamerafallen, werden in Deutschland zunehmend für die Überwachung von Fledermauspopulationen eingesetzt und erzeugen eine große Menge an Daten, die von menschlichen Experten analysiert werden müssen. Während die manuelle Verarbeitung dieser digitalen Daten zeitaufwändig und teuer ist, bleibt die automatische Artbestimmung aus Bildern für das Populationsmonitoring weiterhin eine Herausforderung. Das Hauptaugenmerk dieses Projekts liegt auf der automatisierten Identifizierung von insektenfressenden Fledermausarten in Deutschland anhand von Kamerafallenbildern mit Hilfe von tiefen neuronalen Netzen und der Anwendung dieser Methode auf große, langfristige Datensätze, um die Populationsdynamik und die artspezifische Phänologie zu untersuchen.