Nach Schätzungen des World Wildlife Funds (WWF) ist die weltweite Elefantenpopulation bis 2040 ausgerottet, wenn keine Maßnahmen zum Schutz der größten Landsäugetiere gegen Wilderer und andere Bedrohungen getroffen werden.

Zu den aktuellen Schutzmaßnahmen im südlichen Afrika gehört unter anderem der Einsatz von mit Wärmebildkameras ausgestattete Drohnen in Verbindung mit Computer-Vision-Software, um Wilderer anhand ihrer Körperform aufzuspüren. Diese Lösung soll die Parkwächter bei der Überwachung großer Schutzgebiete in der Nacht zu unterstützen, wenn die illegale Wilderei üblicherweise stattfindet. Da sich die Drohnen jedoch in zirka 125 Metern Höhe bewegen, um größere Bereiche abdecken zu können, bieten die mit einer Wärmebildkamera aufgenommenen Bilder nur eine Genauigkeit von 20 Prozent.

Schülerin entwickelt ML-Lösung

Anika Puri hat nun eine auf maschinellem Lernen basierende Lösung entwickelt, um Elefantenwilderer in Echtzeit zu erkennen, die nicht nur deutlich genauer, sondern auch kostengünstiger ist. Die 17-jährige Schülerin aus Chappaqua, New York, war bei einem Besuch eines Marktes in Bombay auf das Problem Wilderei und Elfenbeinhandel aufmerksam geworden. Nachdem sie sich Videos von Elefanten und Menschen angeschaut hatte, stellte sie fest, dass sich die beiden in ihrer Bewegungsweise stark unterscheiden - in ihrer Geschwindigkeit, ihren Drehungen und anderen Bewegungen. "Mir wurde klar, dass wir diese Unterschiede zwischen den beiden Bewegungsmustern nutzen könnten, um die Erkennungsgenauigkeit potenzieller Wilderer zu erhöhen", sagt sie.

Auf einer KI-Konferenz lernte Puri Elizabeth Bondi-Kelly kennen, eine Harvard-Informatikerin, die mit Hilfe von Drohnen und maschinellem Lernen an einem Projekt zur Erhaltung der Tierwelt arbeitete. Puri wandte sich an die Informatikerin mit ihrer Idee, Elefantenwilderer anhand von Bewegungsmustern zu fangen, und Bondi-Kelly wurde ihre Mentorin für das Projekt.

Training mit 516 Datensätzen

Um ihr Modell zu erstellen, suchte Puri zunächst nach Bewegungsmustern von Menschen und Elefanten. Dazu nutzte sie den Benchmarking IR Dataset for Surveillance with Aerial Intelligence (BIRDSAI), einen Datensatz, der von Bondi-Kelly und ihren Kollegen mit einer an einer Drohne befestigten Infrarot-Wärmebildkamera in mehreren Schutzgebieten in Afrika gesammelt wurde. Bei der Sichtung der Daten identifizierte Puri 516 Zeitreihen aus Videos, die Menschen oder Elefanten in Bewegung zeigten.

Mithilfe eines ML-Algorithmus trainierte Puri dann ein Modell, um eine Figur anhand ihrer Geschwindigkeit, Gruppengröße, ihres Radius, der Anzahl der Drehungen und anderer Muster als Elefant oder Mensch zu klassifizieren. Sie verwendete 372 Serien - 300 Elefantenbewegungen und 72 menschliche Bewegungen. Die verbleibenden 144 wurden verwendet, um ihr Modell mit Daten zu testen, die es zuvor noch nicht gesehen hatte. Beim Test mit dem BIRDSAI-Datensatz konnte ihr Modell Menschen mit einer Genauigkeit von über 90 Prozent erkennen.

Im Laufe von zwei Jahren entwickelte die Schülerin ElSa (kurz für Elefant Saver), einen kostengünstigen Prototyp einer auf maschinellem Lernen basierenden Software, die Bewegungsmuster in Wärme-Infrarot-Videos von Menschen und Elefanten analysiert. Laut Puri ist die Software viermal genauer als bestehende, dem Stand der Technik entsprechende Erkennungsmethoden.

Sie macht auch mehrere tausend Dollar teure hochauflösende Wärmebildkameras überflüssig, sagt sie. ElSa verwendet stattdessen eine 250 Dollar teure FLIR ONE Pro-Wärmebildkamera mit einer Auflösung von 206 x 156 Pixeln, die an ein handelsübliches iPhone 6 angeschlossen wird. Die Kamera und das iPhone werden dann an einer Drohne befestigt, und das System kann beim Überfliegen von Parks in Echtzeit erkennen, ob es sich bei den Objekten unter der Drohne um Menschen oder Elefanten handelt.

Praxistest steht noch aus

Aktuell muss Puris Modell noch an unbearbeitetem Videomaterial getestet werden, um zu sehen, wie gut es Wilderer aufspüren kann - die Genauigkeit von Puris Modell wurde lediglich anhand von Zahlen getestet, die bereits entweder als Mensch oder Elefant bestimmt wurden.

Puri selbst wird im Herbst das Massachusetts Institute of Technology besuchen, wo sie Elektrotechnik und Computerwissenschaften studieren möchte. Außerdem plant sie, ihre Bewegungsmusterforschung auf andere gefährdete Tiere, etwa Nashörner, auszuweiten. Und sie möchte ihre Software in afrikanischen Nationalparks einsetzen, unter anderem im südafrikanischen Krüger-Nationalpark, ein Plan, an dessen Ausführung sie Covid-19 bislang gehindert hat.