Laittoman villieläinkaupan arvioidaan olevan miljardien eurojen arvoista liiketoimintaa, jossa satoja eri lajeja kaupataan maailmanlaajuisesti. Tätä nykyä huomattava osa laittoman villieläinkaupan harjoittajista hyödyntää verkon myyntialustoja, joissa he mainostavat ja myyvät eläviä eläimiä tai eläinpohjaisia tuotteita, sillä näin tavoitetaan enemmän ostajia kuin aiemmin on ollut mahdollista. Internetin välityksellä käytävässä kaupassa syntyvien tuhansien julkaisujen läpikäynti henkilötyönä on erittäin haastavaa, ja tehtävään tarvitaankin automatisoituja suodatusmenetelmiä.
Laittomaan villieläinkauppaan liittyvien kuvien tunnistaminen on hankalampaa kuin lajien tunnistaminen konenäön avulla siksi, että edellisessä tapauksessa myös kuvissa esiintyvien eläinten tausta on tunnistettava.
Biological Conservation -tiedelehdessä julkaistussa artikkelissa Helsingin yliopiston Helsinki Lab of Interdisciplinary Conservation Science (HELICS) -tutkimusryhmä paikkasi puutteen ja kehitti automaattisen algoritmin hyödyntämällä koneoppimista kyseisen kuvasisällön tunnistamiseen digitaalisessa ympäristössä.
– Tämä on ensimmäinen kerta, kun konenäkömalleja on käytetty tunnistamaan elävien eläinten kauppaa tekemällä päätelmiä kuvien taustaelementeistä. Kun myyjä mainostaa kauppaamaansa eläintä, mainokseen liitetään usein kuva eläimestä vankeudessa. Sellaiset kuvat eroavat vapaana olevia eläimiä esittävistä kuvista, kuten vaikkapa matkailijoiden kansallispuistoissa ottamista kuvista. Ominaisuuksien visualisointina tunnettua menetelmää käyttämällä osoitimme, että käyttämämme mallit osaavat ottaa huomioon sekä eläimen näkymisen kuvassa että kuvassa näkyvän eläimen ympäristön. Näin voidaan merkitä eläimiä mahdollisesti laittomasti myyvät ilmoitukset, sanoo artikkelin pääkirjoittaja Ritwik Kulkarni.
Osana tutkimusta tutkijat kouluttivat 24 erilaista hermoverkkomallia tuoreeltaan luodulla aineistolla erilaisissa kokeellisissa olosuhteissa. Parhaiten suoriutuneet mallit olivat erittäin tarkkoja ja kykenivät erottamaan luonnolliset ja vankeuteen viittaavat ympäristöt toisistaan. Toinen tutkimuksen mielenkiintoinen piirre on se, että malleja testattiin myös koulutusdataan liittymättömällä datalla, jonka pohjalta ne toimivat niin ikään hyvin. Se on osoitus kyvystä tunnistaa muutakin internetissä olevan sisältöä.
– Nämä menetelmät mullistavat työtämme, jonka tavoitteena on tehostaa laittomaan villieläinkauppaan liittyvän digitaalisen sisällön tunnistamista. Pyrimme seuraavaksi laajentamaan menetelmää nisäkkäiden ohella muihinkin taksonomisiin ryhmiin ja kehittämään uusia malleja, jotka pystyvät tunnistamaan kuva- ja tekstisisältöä samanaikaisesti, sanoo apulaisprofessori Enrico Di Minin, joka on toinen artikkelin kirjoittajista ja HELICS-tutkimusryhmän johtaja.
Tutkijat aikovat saattaa menetelmänsä avoimesti saataville laajemman tiedeyhteisön ja alan ammattilaisten käyttöön.
Alkuperäinen artikkeli:
Ritwik Kulkarni, Enrico Di Minin: Towards automatic detection of wildlife trade using machine vision models, Biological Conservation, https://doi.org/10.1016/j.biocon.2023.109924
Lisätietoja:
FT Ritwik Kulkarni
Helsinki Lab of Interdisciplinary Conservation Science (HELICS) -tutkimusryhmä, geotieteiden ja maantieteen osasto, Helsingin yliopisto
Sähköposti: ritwik.kulkarni@helsinki.fi
Twitter: @rtwik1
Prof. Enrico Di Minin
Helsinki Lab of Interdisciplinary Conservation Science (HELICS) -tutkimusryhmä, geotieteiden ja maantieteen osasto, Helsingin yliopisto
Sähköposti: enrico.di.minin@helsinki.fi
Puh: 02941 50770
Twitter: @EnTembo; @HELICS_Lab