We helpen Nationale Databank Flora en Fauna (NDFF) met een onderzoek naar de mogelijke rol van beeldherkenning bij het valideren van natuurwaarnemingen. Het project is een pilot om vast te stellen hoe automatische soortendetectie de NDFF kan helpen de miljoenen jaarlijkse waarnemingen efficiënter te valideren.
De pilot bestaat uit drie fasen:
- ontwikkelen van een API
- trainen van het beeldherkenning model
- implementeren van API en beeldherkenning model
Het onderzoek richt zich specifiek op beeldherkenning van vissen, een moeilijke soort om te determineren. De pilot is bedoeld om ervaring en kennis op te doen voor de bredere toepassing van beeldherkenning voor alle soortgroepen.
Praktisch raamwerk beeldherkenning
Hoe kan NDFF beeldherkenning modellen trainen voor het valideren van waarnemingen?
Wat en wie is er nodig om van start te gaan?
Wat zijn de minimale eisen om een eerste versie van een model te kunnen implementeren?
De pilot beantwoordt deze vragen, in een praktisch raamwerk om gestructureerd soortendetectie modellen te trainen, gebruiken en verbeteren.
Training en optimalisatie
Gedurende de pilot wordt met relatief lage inspanning een zo goed mogelijk model getraind. De pilot beschrijft wat een ‘goed’ model is, hoe je modelprestaties beoordeelt en optimaliseert, en hoe je de zwakke punten van een model aanwijst.
Praktische implementatie
Het vissoorten model wordt geïntegreerd in de validatiestroom van NDFF op basis van functionele aanbevelingen vanuit de pilot. Dankzij de ontwikkelde API is het model lichtgewicht en eenvoudig te implementeren in bestaande software.