Automated marine turtle photograph

Automated marine turtle photograph identification using artificial neural networks, with application to green turtle

Conclusions
Our motivation for developing an automated marine turtle photo ID method was to support conventional turtle survey programmes, which usually use flipper tag to identify individual animals. A turtle is likely to outlive a flipper tags t by decades, and a photo ID system can be used in the field to identify a turtle that has lost its tag. The photo ID system can also be applied to turtle in the open water, including juvenile and male turtle, since it is easy to take suitable photos of turtle in the open water. Automation is achieved using an ordinary pattern recognition exercise, in which ANNs compare the pattern of interest in two photos, and conventional turtle survey can provide the large numbers of tagged turtle photo that are needed to bring certaintly to the process of training and testing the ANNs. We have described how to develop an automated marine turtly photo ID system, as illustrated by our preen turtle photo ID system, MYDAS. Green turtle have distinctive postocular scutes, so the required photo is the side of a turtle’s head, and the scutes pattern can be adequately defined by a small number of pixels, which facilitated our work.
Our photo ID system has three aspects of interest to artificial intelligence specialists. First, it uses 50 separate ANNs to compare the scute patterns in two photos, so the outcome of the comparison is the mean of 50 separate prediction. Second, the ANNs have a single output layer neuron with a linear vtransfer function, allowing us to assess the confidence of a given image match or no-match determination. Third, improvements to the system can be made without having to re-do the initial work to isolate the pattern of interest in theoriginal turtle photo, and we have discussed the expected nature of these improvements.
MYDAS has a success rate better than 95% in correctly determining whether a new photo matches a photo in a database. One research goal is to understand the extent to which scute patterns change or fade as a turtle ages, and we anticipate that the photo ID system will need to be futher trained, as photo become available, to tolerate such things. We are planning to develop a second photo ID system for application to loggerhead turtles.

ผลลัพธ์ (ไทย) 1:

รหัสที่ใช้เครือข่ายประสาทเทียม ประยุกต์เต่าเขียวถ่ายภาพเต่าทะเลอัตโนมัติบทสรุป แรงจูงใจในการพัฒนาวิธีการ ID ภาพเต่าทะเลอัตโนมัติถูกสนับสนุนโครงการสำรวจเต่าทั่วไป ซึ่งมักจะใช้แท็กฟลิปเปอร์เพื่อระบุแต่ละสัตว์ เต่าจะอยู่รูปแบบแท็กฟลิปเปอร์ทศวรรษ และระบบ ID ภาพสามารถใช้ในฟิลด์เพื่อระบุเต่าที่มีการสูญเสียของแท็ก ก็สามารถใช้ระบบ ID ภาพกับเต่าน้ำเปิด รวมทั้งเยาวชน และชายเต่า เพราะมันเป็นภาพที่เหมาะสมของเต่าในน้ำเปิด อัตโนมัติสามารถทำได้โดยใช้การออกกำลังกายการรับรู้รูปแบบธรรมดา ที่ ANNs เปรียบเทียบรูปแบบที่น่าสนใจในภาพถ่ายสอง และสำรวจเต่าทั่วไปสามารถให้ตัวเลขขนาดใหญ่ของเต่าติดแท็กภาพที่จำเป็นเพื่อให้กระบวนการฝึกอบรมและทดสอบ ANNs certaintly เราได้อธิบายวิธีการพัฒนาระบบที่มี ID อัตโนมัติภาพ turtly ทะเล กระต่าย preen เต่าภาพ ID ระบบ MYDAS เต่าเขียวมี scutes postocular โดดเด่น ดังนั้นรูปภาพที่ต้องมีด้านหัวของเต่า และรูปแบบ scutes สามารถกำหนด โดยจำนวนของพิกเซล ที่อำนวยความสะดวกในงานของเราอย่างเพียงพอ ระบบ ID ภาพมีสามด้านสนใจประดิษฐ์ผู้เชี่ยวชาญ ครั้งแรก ใช้ ANNs แยก 50 เปรียบเทียบรูปแบบ scute รูปภาพสอง ดังนั้นผลของการเปรียบเทียบ ความหมายของ 50 แยกคาดเดา ที่สอง ANNs มีเซลล์ประสาทชั้นออกเดี่ยวกับฟังก์ชั่นเชิงเส้น vtransfer ทำให้เราสามารถประเมินความเชื่อมั่นของการกำหนดภาพตรงหรือไม่ตรงกำหนด ที่สาม ปรับปรุงระบบได้ โดยไม่ให้อีกทำงานเริ่มต้นเพื่อแยกรูปแบบของดอกเบี้ย theoriginal เต่าภาพ และเราได้กล่าวถึงลักษณะที่คาดไว้ของการปรับปรุงเหล่านี้ MYDAS มีความสำเร็จดีกว่า 95% ในการอย่างถูกต้องกำหนดว่า ภาพใหม่ให้ตรงกับรูปภาพในฐานข้อมูล การวิจัยคือเพื่อ เข้าใจขอบเขต scute ซึ่งรูปแบบเปลี่ยนแปลง หรือจางเมื่อเต่า และเราคาดหวังว่า ภาพ ID ระบบจะต้องเป็น futher ที่ผ่านการฝึกอบรม เป็นภาพพร้อม ทนต่อสิ่งต่าง ๆ เรามีการวางแผนการพัฒนาระบบ ID ภาพสองประยุกต์เต่าหัวค้อนแห่ง