Zverejnené 28.06.2023

Ako triediť, spracovať a zálohovať dáta z fotopasce?

Fotky a videá z fotopasce môžu na disku časom zaberať obrovské množstvo priestoru, pričom ich môžu byť kľudne desaťtisíce. Preto je dôležité mať v triedení a zálohovaní dát z fotopasce systém, ktorý vám umožní mať v nich prehľad a poriadok.

V tomto článku z kategórie rady a tipy pri používaní fotopasce by sme radi zhrnuli naše viac ako 10 ročné skúsenosti s používaním fotopascí. Budeme vychádzať najmä zo skúseností z monitoringu migračných koridorov veľkých šeliem, kde sme naraz obsluhovali viac ako 60 fotopascí.

Prečo je systematické triedenie dát z fotopasce dôležité?

V súčasnosti v rámci našich projektov a aktivít operujeme už s 97 fotopascami na rôznych miestach. Bez adekvátneho systému by bolo náročné efektívne spravovať obrovské množstvo fotografií a videí, ktoré tieto fotopasce generujú.

Je kľúčové, aby sme boli schopní vykonávať analýzy nad týmito dátami, ako aj rýchlo dohľadať historické záznamy. Ukážeme vám praktické tipy a návody na tvorbu vlastného systému, ktorý umožňuje efektívne pracovať s dátami z fotopascí a zabezpečiť ich systematické uchovávanie pre budúce účely.

Pre koho sú tieto informácie určené?

Nasledovné body sú určené najmä pre ľudí, ktorí používajú fotopasce profesne, ale užitočné môžu byť určite aj pre tých z vás, ktorí používate fotopasce len pre potešenie a vlastnú potrebu. Je pritom jedno, či používate 2 - 3 fotopasce, alebo ich sú desiatky.

1. Označenie fotopasce

Pri používaní vyššieho počtu fotopascí je dôležité každú fotopascu označiť a pomenovať. Najjednoduchší spôsob je fotopasce očíslovať - každej fotopasci prideľte poradové číslo, ktoré do vnútra zapíšte fixkou alebo použite nalepovací štítok.

Fyzické označenie fotopasce pomôže predchádzať zmätkom pri zbieraní dát, najmä pokiaľ fotopasce kontroluje viacero ľudí z tímu.

Poradové číslo fotopasce následne zadajte aj priamo do fotopasce (názov fotopasce), kam môžete zadať aj poradové číslo lokality alebo jej názov. Tieto informácie sa následne zobrazujú v informačnom pásiku a pomáhajú pri ďalšej práci s dátami a ich nahrávaním do databázy.

V prípade, že by sa vám dáta z fotopasce pomiešali, vďaka poradovým číslam jednotlivých fotopascí ich budete vedieť spätne veľmi jednoducho identifikovať.

Informačný pásik pod fotkou obsahuje aj názov fotopasce, ktorý sa dá nastaviť v menu.

2. Prehľadný adresár

Pred zálohovaním dát je dôležité vytvoriť si prehľadný adresár, kam budete ukladať všetky záznamy z fotopascí. V tomto bode oceníte ich označenie pomocou poradových čísel.

Adresár by mal mať hierarchickú štruktúru, napr. Názov projektu - lokalita č. 1 - fotopasca č. 1 a pod. Môže vyzerať nejak takto:

Prehľadný adresár pre zálohovanie dát z fotopasce.

3. Zálohovanie dát, dvakrát!

Je dobrým zvykom zálohovať dáta z fotopasce na 2 miestach naraz. Keďže sa väčšinou jedná o veľký objem dát, je na to dobré myslieť aj pri výbere média, ktoré budete na zálohovanie používať.

Na zálohovanie dát z fotopasce sú vhodné externé disky s kapacitou 1 TB a viac. V prípade, že budete s dátami následne potrebovať často pracovať, je lepšie použiť externý SSD disk. Ak bude disk slúžiť skôr ako pasívne externé úložisko, postačí vám na to externý HDD disk. Pre rýchle duálne zálohovanie dát z fotopasce sú vhodné inteligentné dátové úložiská (NAS).

Ďalším riešením, ako zálohovať dáta z fotopasce je cloudové úložisko. Jeho použitie má význam najmä vtedy, ak chcete dáta zdieľať na diaľku s väčším počtom ľudí. Výhodou je, že majú k záznamom z fotopasce okamžitý prístup všetci členovia tímu a môžu s nimi pracovať bez straty kvality. Vyžaduje sa však pripojenie na internet.

4. GPS poloha fotopasce

Poradové číslo fotopasce je dôležité aj pri zaznamenávaní jej GPS polohy. Tá je dôležitá pre následné priraďovanie záznamov z fotopasce ku konkrétnym lokalitám ako aj pre lepšiu orientáciu členov tímu alebo projektových partnerov. Okrem toho je GPS poloha fotopasce dôležitá aj pri jej prípadnom odcudzení a šetrení s políciou.

Súradnice s polohou fotopasce sa v teréne dajú zistiť a zaznamenať mnohými spôsobmi. Tým najjednoduchším je použitie GPS zariadenia alebo mobilného telefónu s GIS aplikáciou. Široko používaná je napr. bezplatná mobilná aplikácia QField odvodená z prostredia QGIS.

Poloha fotopascí a ich poradové čísla zobrazené v prostredí QGIS.

5. Databáza dát z fotopasce

Fotky a videá z fotopasce sú stále len obrazový materiál, pre extrahovanie informácii, ktoré obsahujú, je potrebná ich digitalizácia.

Databáza dát z fotopasce sa prispôsobuje požiadavkám a účelu monitoringu. Najčastejšie sa jedná o tabuľku vo formáte .xls, ktorá obsahuje všetky informácie, ktoré sa pomocou fotopasce podarilo získať. Takto štrukturované dáta sa následne dajú použiť pre ďalšie analýzy.

ID záznamu
lokalita (GPS súradnice)
číslo fotopasce
dátum a čas záznamu
druh
počet jedincov
pohlavie
vek
správanie a pod.

Zdigitalizovaná databáza údajov z fotopasce.

6. Software pre spracovanie dát z fotopasce

Pre ešte systematickejšie spracovanie dát a podrobné analýzy, môžete použiť aj niektorý zo špeciálne vyvinutých softvérov.

Výber toho správneho záleží od typov analýz, ktoré chcete vykonávať, detailnosti výstupov, ktoré chcete dosiahnuť a tiež od schopností pracovať s pokročilejšími štatistickými metódami alebo písať zdrojový kód skriptov.

Jednoduché automatizované platformy s detekciou obrazu

Viaceré programy vedia uľahčiť mnoho práce, ako napríklad na základe automatického rozpoznávania obrazu identifikovať zvieratá na fotkách. Dajte si však pozor, na akej vzorke boli modely trénované - je možné, že napríklad namiesto líšok a vlkov vám softvér trénovaný na faune severnej Ameriky rozpozná na zábere kojota. Ak je to možné, natrénujte si vlastný model na druhoch, ktoré budete najčastejšie identifikovať.

Wildlife Insights je platforma, ktorá kombinuje odborné znalosti z oblasti terénnej práce s fotopascami, špičkové technológie a pokročilé analytické nástroje, aby umožnila ľuďom na celom svete zdieľať údaje o divých zvieratách. Každý môže nahrať svoje obrázky na platformu Wildlife Insights. Druhy zvierat na fotkách sú následne automaticky identifikované pomocou umelej inteligencie. To ušetrí tisíce hodín, čo vám umožní venovať viac času na analýzu a aplikáciu poznatkov na ochranu prírody.
Ukážka prostredia platformy Wildlife Insights. V červenom rámčeku je automaticky detekované zviera (muntžak), v pravom stĺpci sú dodatočné informácie a ovládacie prvky (Zdroj: wildlifeinsights.org)

DeerLab je ľahko ovládateľný softvér vyvinutý primárne pre lovcov, ale je možné v ňom vo veľkom analyzovať zábery z fotopascí akýchkoľvek druhov a vykonávať nad nimi analýzy. DeerLab umožňuje filtrovať a označovať fotografie, sledovať lokality fotopascí aj hromadne editovať časové údaje na fotografiách. Následne ponúka vizualizácie pohybu zvierat pomocou tzv. Heat Maps (tepelných máp), ktoré ukazujú, ako sa profilované zvieratá pohybujú v určitých častiach roka, ale tiež ako reagujú na zmeny počasia. To môže pomôcť odhaliť niektoré vzorce ich správania.
Tepelná mapa pohybov zveri v čase a priestore, vygenerovaná v platforme DeerLab na základe záznamov z fotopascí (Zdroj: deerlab.com).

WildID je jednoduchý online softvér na spracovanie obrazových dát z fotopascí v troch jednoduchých krokoch. Umožňuje hromadné nahranie tisícov fotiek naraz a zároveň zabezpečuje bezpečné uchovávanie a zálohovanie dát. Dáta používateľov nie sú dostupné tretím stranám a obrázky sú kedykoľvek dostupné na stiahnutie. WildID automaticky detekuje a identifikuje druhy na fotkách a označuje prázdne zábery, aby ich používatelia mohli ľahko vylúčiť. Dokáže rozpoznať a identifikovať 63 druhov zvierat (model je trénovaný na juhoafrickej faune, preto nebude táto funkcia veľmi presná na záberoch zo Slovenska a Európy).
Platforma WildID je trénovaná najmä na afrických zvieratách, preto bude identifikácia druhov žijúcich na Slovensku menej presná (Zdroj: wildid.app).

Knižnice a skripty na pokročilé analýzy a výskum

Pokročilejšie balíčky a skripty na štatistické spracovanie dát na mieru (vyžadujú sa znalosti programovacich jazykov R, alebo Python):

camtrapR je balík pre programovací jazyk R, ktorý je široko využívaný v štatistike a analýze dát. Tento softvér pomáha s manažmentom a analýzou dát z fotopascí. Poskytuje komplexný tok práce s dátami z fotopascí od surových obrázkov až po finálnu analýzu a zdieľanie najdôležitejších zistení s kolegami. Medzi jeho vlastnosti patrí premenovanie obrázkov a video súborov, vytváranie histórií zachytenia jednotlivých druhov a jedincov, výpočet pravdepodobnosti detekcie a obsadenosti, vytváranie denných aktivitných diagramov a máp, a extrakcia dátumu, času a druhu z metadát obrázkov. Program je kompatibilný s väčšinou operačných systémov (Windows, Mac, Linux).
Príklady máp vytvorených pomocou funkcie detectionMaps. a) Počet pozorovaných druhov, b) Počet nezávislých pozorovaní vzorového druhu (Zdroj: researchgate.net).

camtrapML je open-source knižnica napísaná v programovacom jazyku Python, ktorý je navrhnutý na spracovanie obrazových dát z fotopascí a na identifikáciu druhov zvierat pomocou strojového učenia. Prináša mnoho zaujímavých funkcií, vrátane automatickej identifikácie druhov a efektívnejšieho spracovania dát. Vďaka ďalším Python knižniciam je možné vytvoriť si vlastný, na mieru prispôsobený proces vyhodnocovania záberov z fotopascí.
Na požívanie knižnice camtrapML je potrebná znalosť programovacieho jazyku Python.