Multi-frame AI-analyse van thermische dronebeelden voor weidevogelmonitoring

Dit project richt zich op het verbeteren van de automatische detectie van weidevogelnesten in infrarood dronebeelden met behulp van artificiële intelligentie (AI). In de huidige praktijk worden drones met warmtebeeldcamera’s ingezet om nesten van soorten zoals grutto, kievit en tureluur op te sporen. Hoewel deze technologie het mogelijk maakt om grote gebieden efficiënt te scannen, blijft automatische herkenning van nesten lastig. Dit komt doordat infraroodbeelden een lage resolutie hebben en doordat andere warmtebronnen, zoals kleine zoogdieren of vegetatie, sterk kunnen lijken op een nest. Hierdoor ontstaan veel foutdetecties die handmatig gecontroleerd moeten worden.
Tegelijkertijd bieden dronevluchten nieuwe kansen. Tijdens een vlucht wordt dezelfde locatie vaak meerdere keren vastgelegd in opeenvolgende beelden. In bestaande methoden worden deze beelden meestal afzonderlijk geanalyseerd, terwijl juist de combinatie van meerdere beelden extra informatie kan opleveren. Daarom onderzoekt dit project hoe temporele informatie uit opeenvolgende infraroodbeelden kan worden benut om de herkenning van nesten te verbeteren.
Binnen het project wordt een AI-visionmodel ontwikkeld dat meerdere frames gezamenlijk analyseert. Hierbij wordt een iteratieve aanpak gevolgd waarin datasetanalyse, modelontwikkeling en evaluatie elkaar opvolgen. Het onderzoek wordt uitgevoerd in samenwerking met Air Drone Support en de Bond Friese Vogelwachten, die praktijkdata en domeinkennis leveren.
Het project resulteert in een proof-of-concept AI-model en nieuwe inzichten in multi-frame analyse van thermische dronebeelden. Daarmee draagt het bij aan efficiëntere bescherming van weidevogels en aan bredere toepassingen van thermische beeldanalyse binnen natuurbeheer en landbouw.