Van nestkast naar algoritme: AI helpt de steenuil

Het systeem werkt als een geoefend oog. Wanneer een uil het nest invliegt, analyseert de software razendsnel de beelden. Het model is getraind om prooien te herkennen, zelfs in lastige omstandigheden. Is het model even niet zeker? Geen probleem. De gebruiker kan handmatig een correctie doorgeven, waardoor het systeem bij elke invoer nóg slimmer wordt. Zo combineren we de precisie van menselijke observatie met de snelheid van technologie. 

In dit project ontwikkelen studenten hun expertise door directe toepassing in het veld. Studenten van de opleiding Informatica van Hogeschool Leiden en de minor Toegepaste Wiskunde van Hogeschool Inholland zijn de drijvende krachten achter deze tool. Zij hebben niet alleen de software en de database gebouwd, maar ook het 'brein' van de AI getraind. Hiervoor moesten ze duizenden beelden handmatig labelen met 'bounding boxes', digitale kaders die het systeem vertellen waar de prooi zich bevindt. 

Het onderzoek bevindt zich in de laatste fase: de software en interface zijn voor 90% voltooid. Nu de basis staat, leggen we de laatste hand aan het verfijnen van het AI-model. Met dit systeem kunnen we nauwkeurig analyseren hoe het dieet van steenuilen op kleigrond verschilt van dat op zandgrond. Deze inzichten zijn cruciaal voor het ontwikkelen van effectieve beheersmaatregelen om de uilenpopulatie te versterken. Ons doel is om het systeem volledig operationeel te hebben voor de start van het broedseizoen in 2026. 

Hoewel de steenuil nu onze focus heeft, smaakt dit naar meer. De onderliggende technologie is namelijk breder toepasbaar. Met de juiste trainingsdata kan dit systeem in de toekomst wellicht ook andere vogelsoorten helpen monitoren, zoals de torenvalk. 

Zo laat het DataLab zien hoe data science en ecologie elkaar versterken. Het is een prachtig voorbeeld van hoe studenten en onderzoekers samen werken aan oplossingen die er écht toe doen, voor de natuur én voor de wetenschap.