Automatische datarapportage bij ecologisch onderzoek

Algoritmes kunnen helpen met dataverzameling tijdens ecologisch veldonderzoek. Met markers op een onderzoekstafel of goot kun je met foto- of videoregistratie de soorten en lengtes registreren. Maar hoe verwerk je al dit beeldmateriaal nu tot de data en inzichten die je nodig hebt? En hoe ga je om met fouten van het algoritme? Een automatische Excel-rapportage helpt hierbij.

OK, je veldonderzoek zit erop en je hebt een hele zwik prachtige foto’s (of video) op je SD-kaart, telefoon of tablet. De files laat je verwerken door jouw algoritme, op je eigen systeem of in de online beeldanalyse service.

Maar wat ontvang je nu eigenlijk terug van zo’n algoritme, als het klaar is? 

Resultaten van het algoritme

Wat je terugkrijgt hangt af van je wensen; de output van jouw algoritme stellen we vast bij aanvang van je project. Nu nemen we als voorbeeld een algoritme dat vissen herkent en meet tijdens visonderzoek. Het genereert een zipbestand met daarin de volgende structuur:

  • een Excel-file “Rapportage.xlsx”
  • een submap “data
    • één submap per soort, bijvoorbeeld “Gobio gobio
    • in de submappen staan de originele foto’s
    • elke foto bevat de gemeten lengte in de bestandsnaam (b.v. “ImageAAA-10mm.jpg“)

Voorbeeld: rapportage visonderzoek

Als je de Rapportage.xlsx opent, dan zie je deze bestandsindeling vertaald naar rapporten en grafieken over soorten en lengtes:

Rapportage veldwerk soortherkenning meting AI

De Excel-rapportage verwerkt automatische alle foto’s in /data en de submappen. Het begrijpt dat elke submap de foto’s van een specifieke soort bevat, en het leest automatisch de gemeten lengte uit de bestandsnamen. Met deze data bouwt de sheet een tabel en toont het een aantal rapporten en grafieken.

Visherkenning Nederlandse vissoorten

VAART software werkt sinds 2019 aan algoritmes voor visherkenningAls uitgever en beheerder van Vangstenregistratie.nl, een citizen science platform voor sportvissers, beschikken we over een unieke dataset met honderdduizenden foto’s van Nederlandse vissen. Onze algoritmes onderscheiden meer dan 30 algemene vissoorten. 

Neem gerust contact op als je meer wil weten of een demo wil bekijken.

Fouten aanpassen

Mocht het nodig zijn, laten we je dan snel uit de droom helpen: kunstmatige intelligentie maakt fouten. Het kost tijd om algoritmes bekend te maken met je data. Dit geldt zeker voor beeldherkenning. Kortom, de visherkenning zal, zeker in het begin, sommige foto’s verkeerd indelen.

Dit is nu eenvoudig aan te passen door de foto’s te verplaatsen. Knippen uit de foute map, plakken naar de juiste. Omdat de rapportage is gebaseerd op de bestandsindeling, hoeven we daarna alleen maar de sheet te verversen.

Hieronder zie je een schermopname van hoe dit werkt:

Datarapportage bij ecologisch onderzoek

Je las in dit artikel hoe jouw algoritme een (grote) collectie foto’s of video’s indeelt op basis van herkende vissoorten en gemeten lengtes. Je zag hoe de Excel-rapportage is gebaseerd op de bestandsindeling. En je hebt gezien hoe gemakkelijk je correcties aanbrengt, in het geval dat de kunstmatige intelligentie nog niet intelligent genoeg is ;). 

Meer weten?

Lees ook

Scroll naar top