Recent is er een research paper gepubliceerd over een AI-model waarmee wilde bloemen geïdentificeerd en geteld kunnen worden. Het bijzondere van de werkwijze is dat er een standaard ‘off-the-shelf’ algoritme gebruikt is, waarbij er vooral veel aandacht is besteed aan de kwaliteit van de data waarmee het model getraind is en de preprocessing van de data. Zo is er voor elke plantensoort nauwkeurig vastgelegd wat precies de ‘teleenheid’ is. Het resultaat maakt de toegevoegde waarde van toegepast onderzoek direct duidelijk, aangezien de afname van de wereldwijde biodiversiteit zo kan worden bestreden.
Het onderzoek is verricht door het Lectoraat AI & Big Data van Fontys Hogeschool en Naturalis Biodiversity Center. Bij het onderzoek waren studenten van Fontys ICT, HAS Green Academy en Universiteit Leiden betrokken. Deze samenwerking laat zien hoe de krachten tussen een lectoraat, een onderzoeksinstituut, bachelor- en master-studenten gebundeld kunnen worden. Gedurende drie jaar werd er door ongeveer 40 studenten van de verschillende onderwijsinstellingen gewerkt aan het onderzoek.
Zo gingen studenten van Fontys ICT aan de slag met een prototype van een app. Met deze smartphone-app kun je één vierkante meter van een wegberm fotograferen. De verzamelde data kunnen, met toestemming van de gebruiker, doorgestuurd worden naar nationale databases waarop biodiversiteitsgegevens verzameld worden. Zo helpt AI met het signaleren van trends (met welke plantsoorten gaat het goed of juist niet), maar als het frequent gebeurt, kan het ook meten in hoeverre interventies effect hebben op de biodiversiteit van de berm.
Om het AI-model te trainen is de ‘Eindhoven Wildflower Dataset’ (EWD) gebruikt. De dataset dankt haar naam aan de regio waar foto’s zijn gemaakt van bermen, stadsparken, weilanden en natuurgebieden. De data bestaan uit meer dan 2000 beelden, waarop ruim 65.000 bloemen te zien zijn van zo’n 160 soorten planten. De EWD is openbaar beschikbaar is gesteld voor verder onderzoek; zo kunnen andere onderzoekers en partijen nog betere AI-modellen maken en hun resultaten vergelijken.
Veelbelovende toepassingen
De uitkomsten van dit onderzoeksproject zijn veelbelovend. Dankzij de toepasbare uitwerking kunnen verschillende partijen direct aan de slag met praktijkgerichte projecten gericht op biodiversiteitsmonitoring. Er kan eenvoudig opgeschaald worden door de EWD te verrijken met meer plantensoorten. Hierdoor wordt de toepassing nog veel breder. Een paar voorbeelden: waterschappen kunnen op deze manier hun dijken meer biodivers beplanten en monitoren. Daarnaast kan in de biologische landbouw onkruid met behulp van beeldherkenning worden gedetecteerd en verwijderd met een robot. Dit voorkomt het gebruik van schadelijke pesticiden in het milieu. Als laatste kan de toepassing bijvoorbeeld ook gebruikt worden voor betrokkenheid, bewustwording en educatie van burgers op het gebied van biodiversiteit. Door gebruik te maken van de laagdrempelige app, worden de resultaten toegankelijk voor iedereen.
Gerard Schouten, een van de auteurs en lector AI & Big Data van Fontys Hogeschool, vertelt: “Wat ons werk onderscheidt, is de focus op de kwaliteit van de data. De methode is schaalbaar en kan worden verfijnd om verschillende ecologische gebruikssituaties te ondersteunen. Het is essentieel om AI niet enkel te zien als een vervanger van menselijke taken, maar als een aanvulling die synergie tussen mens en machine bevordert. Op deze manier ontwikkelen we toepassingen die ons helpen om een duurzamere wereld én samenleving mogelijk te maken.”
Wil je de volledige research paper bekijken? Klik dan hier.
AI application enables measurement of biodiversity in roadsides
Last week, a research paper was published on an AI model that allows wildflowers to be identified and counted. What is special about the method is that a standard ‘off-the-shelf’ algorithm was used, paying particular attention to the quality of the data used to train the model and the preprocessing of the data. For instance, for each plant species, the exact ‘counting unit’ has been precisely defined. The result makes the added value of applied research immediately clear, as it can combat the decline in global biodiversity.
The research was conducted by the Lectorate AI & Big Data of Fontys University of Applied Sciences and Naturalis Biodiversity Center. The research involved students from Fontys ICT, HAS Green Academy and Leiden University. This collaboration shows how the forces between a lectureship, a research institute, undergraduate and graduate students can be combined. For three years, around 40 students from the various educational institutions worked on the research.
For instance, students from Fontys ICT set to work on a prototype of an app. This smartphone app allows you to photograph one square metre of a road verge. With the user’s permission, the data collected can be forwarded to national databases on which biodiversity data is collected. In this way, AI helps spot trends (which plant species are doing well or not), but if done frequently, it can also measure the extent to which interventions have an effect on the biodiversity of the roadside.
To train the AI model, the ‘Eindhoven Wildflower Dataset’ (EWD) was used. The dataset takes its name from the region where photos were taken of roadsides, city parks, meadows and natural areas. The data consists of more than 2,000 images, showing over 65,000 flowers of some 160 species of plants. The EWD has been made publicly available for further research; thus, other researchers and parties can make even better AI models and compare their results.
Promising applications
The results of this research project are promising. Thanks to the applicable elaboration, various parties can immediately start working on practice-oriented projects aimed at biodiversity monitoring. It is easy to scale up by enriching the EWD with more plant species. This makes the application much broader. A few examples: water boards can thus plant and monitor their dykes more biodiverse. In addition, in organic agriculture, weeds can be detected using image recognition and removed with a robot. This prevents the use of harmful pesticides in the environment. Finally, the application can also be used, for example, for engagement, awareness and education of citizens on biodiversity. By using the low-threshold app, the results become accessible to everyone.
Gerard Schouten, one of the authors and professor of AI & Big Data at Fontys University of Applied Sciences, says: ‘What sets our work apart is the focus on the quality of the data. The method is scalable and can be refined to support different ecological use cases. It is essential to see AI not just as a replacement for human tasks, but as a complement that promotes synergy between humans and machines. In this way, we develop applications that help us enable a more sustainable world and society.’
Want to see the full research paper? Then click here.
Author: Nathalie Verschueren
