Auteur
Bij Artefact vinden we het belangrijk om een positieve bijdrage te leveren aan mensen, het milieu en de samenleving. Daarom werken we graag samen met non-profitorganisaties die deze waarden tot de hoeksteen van hun visie hebben gemaakt.
Daarom zijn we een samenwerking aangegaan met Smart Parks, een Nederlandse organisatie geavanceerde sensoroplossingen levert om bedreigde diersoorten te beschermen en parkgebieden efficiënt te beheren met behulp van de nieuwste technologie.
In deze reeks berichten beschrijven we ons traject bij het ontwerpen en bouwen van een ML-systeem voor het verwerken van de beelden van de cameravallen van Smart Parks. Het doel van het project is met name om met behulp van een ML-aanpak de data de cameravallen te verwerken en vervolgens inzichten te verschaffen, zoals de aanwezigheid van mensen of specifieke diersoorten in de foto's of video's data door de camera's zijn vastgelegd. Deze informatie wordt vervolgens door de parkwachters gebruikt om de wilde dieren beter te beschermen en mogelijke gevaren, zoals stropers, sneller op te sporen.
Inleiding
Smart Parks had behoefte aan een systeem voor het monitoren van wilde dieren dat de volgende taken kon uitvoeren:
Ons uitgangspunt was hier dat snelheid voorop stond. Toen we van start gingen, was onze enige prioriteit dan ook om zo snel mogelijk een uitgeklede maar volledig functionele end-to-end-oplossing te implementeren.
Dit wordt het eerste artikel van een reeks en gaat in op de achtergrond van het project, het algemene overzicht van het ontworpen systeem en de voordelen van onze cloud. In de komende artikelen gaan we dieper in op hoe je cameravallen kunt verbinden met hetGoogle Cloud en externe eindpunten met behulp van een tool genaamdNode-RED, en hoe je een eenvoudige webapp kunt ontwerpen metStreamlitom de in de parken geplaatste cameravallen te beheren.
Laten we beginnen!
Cameravallen
Voordat we beginnen, zullen we eerst even kort bespreken wat cameravallen zijn en hoe ze kunnen worden ingezet ter ondersteuning van dierenbescherming en natuurbehoud.
Cameravallen zijn apparaten met ingebouwde sensoren die, zodra er voor het apparaat beweging wordt waargenomen, direct een foto of een video maken. Hierdoor kunnen parkwachters en natuurbiologen onze mededieren observeren zonder hun normale gedrag te verstoren.
Rondlopen in de parken om informatie te verzamelen is een goede methode, maar het is een duur, arbeidsintensief en personeelsintensief proces. Bovendien bestaat het risico dat je gevaarlijke wilde dieren tegenkomt of, erger nog, stropers.
Hoewel verschillende technieken voor het verzamelen data hun eigen voor- en nadelen data , vormen cameravallen een uitstekende bron. Het grote voordeel van cameravallen is dat ze continu en geruisloos werken en zeer nauwkeurige data kunnen vastleggen data het gefotografeerde dier te verstoren. Ze kunnen nuttig zijn om zowel onopgemerkt mogelijke illegale activiteiten in de gaten te houden als om het aantal verschillende soorten in een gebied te tellen en hun gedrag en activiteitspatronen in kaart te brengen.
Google Cloud
Voor de opslag en het beheer van de mediabestanden van de cameravallen hebben we gekozen voor een cloud, meer bepaald het Google Cloud .
services zoalsGoogle Cloud , objectopslag met geïntegreerde edge-caching voor het opslaan van ongestructureerde data, rekenoplossingen zoalsCloud , Functions as a Service voor het uitvoeren van gebeurtenisgestuurde code, en daarnaast services het ook services AI , bijvoorbeeld:
Het feit dat al deze componenten in één geïntegreerde omgeving waren ondergebracht, was voor ons de ideale oplossing en stelde ons in staat om in korte tijd een werkende oplossing te bieden.
De workflow
Allereerst worden de mediabestanden geüpload naar een Google Cloud ; hoe dit precies in zijn werk gaat, komt aan bod in het tweede artikel van deze reeks. De bucket is ingedeeld in mappen, één voor elke cameraval. Zodra een bestand is geüpload, wordt onmiddellijk een Google Cloud geactiveerd; deze functie voert de volgende taken uit:
Deze architectuur biedt tal van voordelen:
API’s voor Cloud en Cloud Intelligence
Het gebruik van machine learning, en met name computervisie, om mensen en dieren automatisch te herkennen in afbeeldingen of video’s heeft de afgelopen jaren aanzienlijke vooruitgang geboekt en wordt tegenwoordig door onderzoekers op het gebied van wilde dieren algemeen beschouwd als een ‘game-changer’. Laten we ons nu eens nader richten op de gebruikte API’s.
De Vision APIende Video Intelligence APIbieden krachtige, vooraf getrainde machine learning-modellen via REST- en RPC-API’s. De eerste is bedoeld voor het verwerken van afbeeldingen, terwijl de tweede, zoals de naam al aangeeft, bedoeld is voor video’s. Beide zijn in staat om automatisch een groot aantal objecten, plaatsen en handelingen te herkennen.
Voor dit project hebben we ons vooral gericht op deze drie functies die door de API’s worden geboden:
Je kunt met de Vision API aan de slag doorhier gewoon je afbeelding te uploaden.
Het pad dat voor ons ligt
De weg die we tot nu toe hebben afgelegd, vormt de basis voor de spannende en impactvolle reis die nog voor ons ligt. Zodra de basisinstrumenten in de nabije toekomst beschikbaar zijn, zullen we veel waarde kunnen creëren, niet alleen voor Smart Parks, maar ook voor het behoud van wilde dieren en nog veel meer!
De volgende stappen zullen betrekking hebben op de volgende brede werkterreinen:
In dit eerste artikel hebben we besproken hoe we onze volledig geautomatiseerde, schaalbare pijplijn in Google Cloud hebben opgezet, waardoor we media kunnen importeren en met behulp van Machine Learning-API’s daaruit inzichten kunnen halen. Dit biedt een solide, eenvoudige en snel te implementeren basis voor elk soort project waarbij media worden verwerkt en machine learning wordt gebruikt om daaruit inzichten te halen.
Bedankt voor het lezen en tot ziens in de volgende artikelen van deze reeks, waarin we nader zullen toelichten hoe de gepresenteerde architectuur daadwerkelijk is gekoppeld aan de cameravallen, en waarin we de webapp zullen bespreken die is ontworpen om deze te beheren. Blijf ons dus volgen!
Speciale dank aan Maël Deschamps voor zijn hulp bij het nalezen van de inhoud van dit bericht, en aan Tim van Dam van Smart Parks voor zijn steun tijdens het project. Jullie zijn geweldig!
