Проект разработан для детектирования по видео, фото изображениям птиц в интересах ученых, орнитологов, любителей птиц.
Для ученых и орнитологов изучение перелетов птиц важно для:
- получения информации о местах расселения определенных видов птиц, их численности, выживаемости и скорости размножения
- исследования глобальных проблем, например глобального потепления
- контроля распространения инфекций, переносимых птицами
На рынке товаров для животных широко представлены кормушки с камерой для птиц, пользующиеся спросом у орнитологов-любителей. Кормушки с опцией детектирования птиц будут пользоваться еще большим спросом.
- Сбор исходных видео и фотографий с птицами.
- Разметка птиц на исходных материалах.
- Обучение нейронной сети YOLOv8 по размеченным данным.
- Тестирование нейронной сети на неразмеченных данных.
- Создание телеграмм-бота для детектирования птиц, использующий обученную модель.
- Тестирование телеграмм-бота.
- Размещение телеграмм-бота на сервере.
В результате проведенных работ была обучена модель нейронной сети YOLOv8 для детектирования следующих видов птиц:
| № | Класс | Виды |
|---|---|---|
| 1 | sparrow | Воробей домовой, воробей полевой, чернобровая овсянка |
| 2 | pigeon | голубь, вяхирь, горлинка |
| 3 | tit | большая синица, лазоревка, черноголовая гаичка |
| 4 | thrush | Дрозд-отшельник, певчий дрозд, Свенсонов дрозд |
| 5 | woodpecker | Большой пестрый дятел, малый пестрый дятел, желтошапочный дятел |
| 6 | cardinal | Красный кардинал |
Были получены следующие метрики качества:
- Доля верно классифицированных объектов из всех классификаций (precision): 0.91
- Доля верно классифицированных объектов из всех целевых объектов (recall): 0.92
- Средняя средняя точность для обнаружения всех объектов (mAP): 0.96
Разработан и размещен на сервере телеграмм-бот, детектирующий птиц на фотографиях.