Published July 1, 2023 | Version v1
Publication Open

Optimizing the automated recognition of individual animals to support population monitoring

Creators

  • 1. Imperial College London
  • 2. University of Cambridge
  • 3. Zoological Society of London
  • 4. University College London

Description

Abstract Reliable estimates of population size and demographic rates are central to assessing the status of threatened species. However, obtaining individual‐based demographic rates requires long‐term data, which is often costly and difficult to collect. Photographic data offer an inexpensive, noninvasive method for individual‐based monitoring of species with unique markings, and could therefore increase available demographic data for many species. However, selecting suitable images and identifying individuals from photographic catalogs is prohibitively time‐consuming. Automated identification software can significantly speed up this process. Nevertheless, automated methods for selecting suitable images are lacking, as are studies comparing the performance of the most prominent identification software packages. In this study, we develop a framework that automatically selects images suitable for individual identification, and compare the performance of three commonly used identification software packages; Hotspotter, I 3 S‐Pattern, and WildID. As a case study, we consider the African wild dog, Lycaon pictus , a species whose conservation is limited by a lack of cost‐effective large‐scale monitoring. To evaluate intraspecific variation in the performance of software packages, we compare identification accuracy between two populations (in Kenya and Zimbabwe) that have markedly different coat coloration patterns. The process of selecting suitable images was automated using convolutional neural networks that crop individuals from images, filter out unsuitable images, separate left and right flanks, and remove image backgrounds. Hotspotter had the highest image‐matching accuracy for both populations. However, the accuracy was significantly lower for the Kenyan population (62%), compared to the Zimbabwean population (88%). Our automated image preprocessing has immediate application for expanding monitoring based on image matching. However, the difference in accuracy between populations highlights that population‐specific detection rates are likely and may influence certainty in derived statistics. For species such as the African wild dog, where monitoring is both challenging and expensive, automated individual recognition could greatly expand and expedite conservation efforts.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تعد التقديرات الموثوقة لحجم السكان والمعدلات الديموغرافية أساسية لتقييم حالة الأنواع المهددة بالانقراض. ومع ذلك، يتطلب الحصول على معدلات ديموغرافية فردية بيانات طويلةالأجل، والتي غالبًا ما تكون مكلفة ويصعب جمعها. توفر البيانات الفوتوغرافية طريقة غير مكلفة وغير جراحية للرصد الفردي للأنواع ذات العلامات الفريدة، وبالتالي يمكن أن تزيد من البيانات الديموغرافية المتاحة للعديد من الأنواع. ومع ذلك، فإن اختيار الصور المناسبة وتحديد الأفراد من الكتالوجات الفوتوغرافية يستغرق وقتًا طويلاً. يمكن لبرنامج التعريف الآلي تسريع هذه العملية بشكل كبير. ومع ذلك، لا توجد طرق آلية لاختيار الصور المناسبة، وكذلك الدراسات التي تقارن أداء أبرز حزم برامج تحديد الهوية. في هذه الدراسة، نقوم بتطوير إطار يحدد تلقائيًا الصور المناسبة للتعريف الفردي، ومقارنة أداء ثلاث حزم برامج تعريف شائعة الاستخدام ؛ Hotspotter و I 3 S-Pattern و WildID. كدراسة حالة، نعتبر الكلب البري الأفريقي، ليكاون بيكتوس، وهو نوع يكون حفظه محدودًا بسبب عدم وجود مراقبة واسعةالنطاقوفعالة من حيث التكلفة. لتقييم التباين داخل النوع في أداء حزم البرامج، نقارن دقة تحديد الهوية بين مجموعتين سكانيتين (في كينيا وزيمبابوي) لديهما أنماط تلوين مختلفة بشكل ملحوظ. تم أتمتة عملية اختيار الصور المناسبة باستخدام الشبكات العصبية الالتفافية التي تقص الأفراد من الصور، وتصفية الصور غير المناسبة، وفصل الجانبين الأيسر والأيمن، وإزالة خلفيات الصور. كان لدى Hotspotter أعلى دقة لمطابقة الصور لكلا السكان. ومع ذلك، كانت الدقة أقل بكثير بالنسبة للسكان الكينيين (62 ٪)، مقارنة بسكان زيمبابوي (88 ٪). إن المعالجة الآلية للصور لدينا لها تطبيق فوري لتوسيع المراقبة بناءً على مطابقة الصور. ومع ذلك، فإن الاختلاف في الدقة بين السكان يسلط الضوء على أن معدلات الكشف الخاصة بالسكان مرجحة وقد تؤثر على اليقين في الإحصاءات المشتقة. بالنسبة لأنواع مثل الكلب البري الأفريقي، حيث يكون الرصد صعبًا ومكلفًا، يمكن أن يؤدي التعرف الفردي الآلي إلى توسيع نطاق جهود الحفظ وتسريعها بشكل كبير.

Translated Description (French)

Résumé Des estimations fiables de la taille de la population et des taux démographiques sont essentielles pour évaluer l'état des espèces menacées. Cependant, l'obtention de tauxdémographiques individuels nécessite des données à longterme, qui sont souvent coûteuses et difficiles à collecter. Les données photographiques offrent une méthode peu coûteuse et non invasive pour le suivi individuel des espèces avec des marquages uniques, et pourraient donc augmenter les données démographiques disponibles pour de nombreuses espèces. Cependant, la sélection d'images appropriées et l'identification d'individus à partir de catalogues photographiques prennent beaucoup detemps. Un logiciel d'identification automatisé peut considérablement accélérer ce processus. Néanmoins, les méthodes automatisées de sélection d'images appropriées font défaut, tout comme les études comparant les performances des logiciels d'identification les plus importants. Dans cette étude, nous développons un cadre qui sélectionne automatiquement les images adaptées à l'identification individuelle et comparons les performances de trois logiciels d'identification couramment utilisés : Hotspotter, I 3 S‐Pattern et WildID. Comme étude de cas, nous considérons le chien sauvage africain, Lycaon pictus , une espèce dont la conservation est limitée par un manque de surveillance à grandeéchellerentable. Pour évaluer la variation intraspécifique de la performance des progiciels, nous comparons la précision de l'identification entre deux populations (au Kenya et au Zimbabwe) qui ont des modèles de coloration du pelage nettement différents. Le processus de sélection des images appropriées a été automatisé à l'aide de réseaux de neurones convolutionnels qui recadrent les individus à partir des images, filtrent les images inappropriées, séparent les flancs gauche et droit et suppriment les arrière-plans des images. Hotspotter avait la précision de correspondance d'image la plus élevée pour les deux populations. Cependant, la précision était significativement plus faible pour la population kenyane (62 %), par rapport à la population zimbabwéenne (88 %). Notre prétraitement d'image automatisé a une application immédiate pour étendre la surveillance basée sur la correspondance d'images. Cependant, la différence de précision entre les populations souligne que les taux de détection spécifiques à la population sont probables et peuvent influencer la certitude des statistiques dérivées. Pour des espèces telles que le chien sauvage africain, où la surveillance est à la fois difficile et coûteuse, la reconnaissance individuelle automatisée pourrait considérablement étendre et accélérer les efforts de conservation.

Translated Description (Spanish)

Resumen Las estimaciones fiables del tamaño de la población y las tasas demográficas son fundamentales para evaluar el estado de las especies amenazadas. Sin embargo, la obtención de tasas demográficas individuales requiere datos a largo plazo, que a menudo son costosos y difíciles de recopilar. Los datos fotográficos ofrecen un método económico y no invasivo para el monitoreo individualde especies con marcas únicas y, por lo tanto, podrían aumentar los datos demográficos disponibles para muchas especies. Sin embargo, la selección de imágenes adecuadas y la identificación de personas a partir de catálogos fotográficos consume mucho tiempo. El software de identificación automatizado puede acelerar significativamente este proceso. Sin embargo, faltan métodos automatizados para seleccionar imágenes adecuadas, al igual que estudios que comparen el rendimiento de los paquetes de software de identificación más destacados. En este estudio, desarrollamos un marco que selecciona automáticamente imágenes adecuadas para la identificación individual y comparamos el rendimiento de tres paquetes de software de identificación comúnmente utilizados; Hotspotter, I 3 S Pattern y WildID. Como estudio de caso, consideramos al perro salvaje africano, Lycaon pictus , una especie cuya protección está limitada por la falta de un monitoreo rentable a granescala. Para evaluar la variación intraespecífica en el rendimiento de los paquetes de software, comparamos la precisión de identificación entre dos poblaciones (en Kenia y Zimbabue) que tienen patrones de coloración del pelaje marcadamente diferentes. El proceso de selección de imágenes adecuadas se automatizó utilizando redes neuronales convolucionales que recortan individuos de las imágenes, filtran las imágenes inadecuadas, separan los flancos izquierdo y derecho y eliminan los fondos de las imágenes. Hotspotter tuvo la mayor precisión decoincidencia de imágenes para ambas poblaciones. Sin embargo, la precisión fue significativamente menor para la población keniana (62%), en comparación con la población zimbabuense (88%). Nuestro preprocesamiento automatizado de imágenes tiene aplicación inmediata para expandir el monitoreo basado en la coincidencia de imágenes. Sin embargo, la diferencia en la precisión entre las poblaciones destaca que las tasas de detección específicas de la población son probables y pueden influir en la certeza en las estadísticas derivadas. Para especies como el perro salvaje africano, donde el monitoreo es a la vez desafiante y costoso, el reconocimiento individual automatizado podría expandirse en gran medida y acelerar los esfuerzos de protección.

Files

ece3.10260.pdf

Files (16.3 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:92cff4a6fd4fbec3fa3ba692a8c2d315
16.3 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تحسين التعرف الآلي على الحيوانات الفردية لدعم مراقبة السكان
Translated title (French)
Optimiser la reconnaissance automatisée des animaux individuels pour soutenir le suivi des populations
Translated title (Spanish)
Optimizar el reconocimiento automatizado de animales individuales para apoyar el monitoreo de la población

Identifiers

Other
https://openalex.org/W4382938899
DOI
10.1002/ece3.10260

Is supplement to
https://openalex.org/W4293226380 (Other)
https://openalex.org/W2397288865 (Other)
https://openalex.org/W4313906399 (Other)
https://openalex.org/W4321487865 (Other)
https://openalex.org/W2368524271 (Other)
https://openalex.org/W4247116873 (Other)
https://openalex.org/W2811106690 (Other)
https://openalex.org/W2576709312 (Other)
https://openalex.org/W4239306820 (Other)
https://openalex.org/W2947043951 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Zimbabwe

References

  • https://openalex.org/W1951724000
  • https://openalex.org/W1966074269
  • https://openalex.org/W2003115311
  • https://openalex.org/W2004223963
  • https://openalex.org/W2044881087
  • https://openalex.org/W2052103738
  • https://openalex.org/W2056936566
  • https://openalex.org/W2080255916
  • https://openalex.org/W2119605622
  • https://openalex.org/W2133371793
  • https://openalex.org/W2147027233
  • https://openalex.org/W2151103935
  • https://openalex.org/W2153067894
  • https://openalex.org/W2241247068
  • https://openalex.org/W2260934491
  • https://openalex.org/W2331242902
  • https://openalex.org/W2733616525
  • https://openalex.org/W2789876780
  • https://openalex.org/W2802043043
  • https://openalex.org/W2884749447
  • https://openalex.org/W2914811743
  • https://openalex.org/W2920205809
  • https://openalex.org/W2938196532
  • https://openalex.org/W2974588396
  • https://openalex.org/W2978337347
  • https://openalex.org/W3016454710
  • https://openalex.org/W3105808361
  • https://openalex.org/W4246556156