KI-basiertes Insektenmonitoring mit Citizen Science

Danja Brandt, Martin Tschaikner

Zusammenfassung
Ein systematisches Monitoring des dramatischen Verlusts der Insektendiversität ist entscheidend für die Planung von geeigneten Schutzmaßnahmen. In dem Projekt KInsecta wird ein Low Cost Multisensorsystem entwickelt, welches lebende Insekten automatisiert erkennt und klassifiziert.
Kurz-Vortrag
Deutsch
Conference

In Deutschland erleben wir einen dramatischen Verlust von Insekten: Nicht nur die Gesamtmenge an Insekten, auch die Zahl der ca. 33.000 Insektenarten, die es hierzulande gibt, nimmt immer mehr ab. Dabei sind Insekten ein wichtiger Faktor im Ökosystem. Grundlage für einen effektiven Schutz der Insekten ist ein systematisches Monitoring.

Ziel unseres Projektes ist die Entwicklung eines Low-Cost-Multisensorsystems, welches mithilfe von KI Insekten lebend klassifiziert und damit ein systematisches Monitoring ermöglicht. Es handelt sich dabei um ein Open-Source Projekt und soll deutschlandweit interessierte Bürger:innen zum Nachbau und Mitmachen motivieren. So können viele Menschen an unterschiedlichen Orten an der Erhebung partizipieren. Die Daten können auf einer Webplattform hochgeladen werden.

Der aktuelle Prototyp wurde auf der Grundlage eines RaspberryPi entwickelt.  Insekten in einer Falle passieren auf ihrem Weg ins Freie eine Kamera und einen Wingbeatsensor, wobei Bilder und die Flügelschlagfrequenz erfasst werden.  Im derzeitigen Prototypen ist es wichtig, dass die Bildqualität ausreicht, damit Expert:innen charakteristische Merkmale  erkennen und die Insekten klassifizieren können. Auf diese Weise wird eine Grundwahrheit für das Training eines KI-Modells generiert, welches dann in einer nächsten Ausbaustufe automatisiert möglichst viele Insektenarten klassifizieren soll.

In dem Vortrag geben wir einen Überblick über das Projekt und die Lösungsansätze zur Realisierung eines solchen Multisensorsystems. Insekten krabbeln schnell. Mit bis zu 1,5 m/s können sie sich im  Sensorsystem  fortbewegen. Scharfe, hochauflösende  Bilder  mit  Low-Cost  Kameras  zu  erhalten, ist eine der Herausforderung, die präsentiert wird. Auch das Konzept einer optischen Messmethode des Flügelschlagsignals wird vorgestellt. Ansätze für geeignete KI-Modelle für eine automatisierte Arterkennung der Insekten werden erläutert.

Danja Brandt
Wissenschaftliche Mitarbeiterin
Bild von Martin Tschaikner
Wissenschaftlicher Mitarbeiter