In Zusammenarbeit mit der Stiftung Wildtiere Aargau untersuchte Adrian F. Meyer, wie sich Wildtiere mit Drohnen und automatisierter Bildanalyse erfassen lassen. Wärmebild-, Multispektral- und RGB-Aufnahmen aus Wildgehegen in der Nordwestschweiz und im Südschwarzwald wurden hinsichtlich ihrer Eignung für das Monitoring verglichen. Daraus entstand ein Deep-Learning-Prototyp, der Tiersignaturen in Wärmebildaufnahmen erkennt und Videodaten zeitnah auswertet. Die Arbeit lieferte methodische Grundlagen für effizientere Bestandserhebungen und weitere Anwendungen der luftgestützten Wildtiererkennung.

Einordnung und Bedeutung

Die Sichtbarkeit von Wildtieren hängt stark vom verwendeten Sensor, der Vegetation und dem Aufnahmezeitpunkt ab. Thermalkameras ermöglichen die Erkennung charakteristischer Wärmesignaturen, während RGB- und Multispektralbilder andere Informationen über die Umgebung liefern. Die Studie vergleicht diese Möglichkeiten unter kontrollierbaren Feldbedingungen.

Automatisierte Detektion ist ein Baustein für ein Monitoring, aber noch keine automatische Populationsschätzung: Doppelzählungen, verdeckte Tiere und wechselnde Entdeckungswahrscheinlichkeiten erfordern eigene ökologische Betrachtungen.

01

Die Forschungsfrage

Welche UAV-Sensoren und Auswertungsverfahren eignen sich für das automatisierte Wildtiermonitoring?

02

Der Weg zur Antwort

  1. Drohnenaufnahmen in Wildgehegen der Nordwestschweiz und des Südschwarzwalds erfassen.
  2. Wärmebild-, Multispektral- und RGB-Daten hinsichtlich ihrer Eignung vergleichen.
  3. Einen Deep-Learning-Prototyp zur Erkennung thermaler Tiersignaturen entwickeln.

03

Ergebnisse und Transfer

  • Prototyp zur zeitnahen Auswertung von Wärmebild-Videodaten.
  • Methodische Grundlagen für effizientere Bestandserhebungen und weitere Anwendungen der Wildtiererkennung.
Bestehende Übersichtsillustration mit Waldmosaik, eBee-Drohne, Thermogrammen, Detektionsbeispielen und neuronaler Netzarchitektur.
Bestehende Übersichtsillustration mit Waldmosaik, eBee-Drohne, Thermogrammen, Detektionsbeispielen und neuronaler Netzarchitektur. Bild und Quelle ↗