Ultralytics YOLO27: ウェイトリストに登録する
YOLOのライセンス
Ultralytics YOLO

生物多様性を守る:Kashmir World FoundationによるUltralytics YOLOv5とYOLOv8の活用事例

Kashmir World FoundationがYOLOv5とYOLOv8をドローンやフィールドセンサーで活用し、密猟対策とウミガメやユキヒョウの保護に取り組む方法を紹介します。

Nuvola LadiNuvola Ladi8 分で読めます
YOLOv5を活用したKashmir World Foundationの野生生物保護

カシミール・ワールド財団 (KWF)は、世界規模で野生生物の保全と保護に取り組むため、最新技術を導入することを使命として、2008年にバージニア州グレートフォールズで設立されました。KWFは、保全活動や密猟対策を支援する自律型無人システムを構築し、運用しています。2013年、KWFは活動に人工知能を導入し始めました。

WWFによると、絶滅危惧種や危急種に分類する「レッドリスト」に掲載された全種の85%にとって、生息地の喪失が存続を脅かす最大の危険です。一方、伝統薬、珍味、エキゾチックペットとして利用するための野生動物の密猟需要が根強く、増加していると報告されています。生息地の喪失と密猟は、ともに世界の生物多様性を脅かし、地域社会や環境に壊滅的な影響を与えます。

創設者兼エグゼクティブディレクターのAliyah Pandolfiは、組織内の強い連携について、「世界中の学生、学者、エンジニア、科学者が、自分の時間と専門知識を進んで提供してくれます」と説明しています。KWFは、世界各地のボランティアだけで運営されています。KWFはその活動を通じて、カタールのスナネコ、コスタリカのウミガメ、ヒマラヤのユキヒョウなど、多くの絶滅危惧種や絶滅の危機に瀕した種の保護に大きな進展をもたらしてきました。

「私たちが活動するのは、動物を愛しているからです。しかし、それ以上に、自分たちのスキルを社会に役立て、そうでなければ生き残れないかもしれない種に良い変化をもたらしたいと考えています。」 アリヤ・パンドルフィ、カシミール・ワールド財団の創設者兼エグゼクティブディレクター

密猟問題への取り組み#

多くの場合、保全活動家が密猟の発生場所に立ち入るのは非常に困難です。KWFは、世界各地の遠隔地で保全活動を進めるうえで、次の4つの大きな障壁に直面しています。

  • 危険な気象条件
  • 予測困難な社会政治的要因
  • 過酷な地形
  • 常時人員を派遣するためのリソース不足

以前、自然保護活動家は現場に録画機器を設置し、撮影した映像を後から確認していました。数百から数千時間に及ぶ映像から動物の種や密猟者を注意深く検出・識別する作業は、視聴者に頼っていました。時間の制約と人的ミスにより、この方法は自然保護活動家にとって不利な状況を生み出していました。KWFのボランティアは、密猟や違法狩猟に立ち向かうため、より優れた装備が必要だと考えていました。

YOLOv5で検出されたアジアジャッカル

技術の必然的な進歩は、諸刃の剣として作用します。技術の品質が高まり、利用しやすくなるにつれ、保全活動家も悪意ある行為者も最新技術を手に入れられるようになります。競争力を保つには、保全活動家も最新技術の力を活用し、自らの強みに変える準備を整えておく必要があります。

創造的な解決策への道#

パンドルフィは、現場でKWFにリアルタイムの情報を提供できる、積極的な解決策を必要としていました。人為的ミスをなくし、4つの大きな障壁に対処できる解決策を求める中で、密猟対策の任務では数秒の差も重要になり得ると理解していました。つまり、リアルタイムのインサイトが動物の殺害を防ぐうえで直接的な役割を果たす可能性があるのです。

Pandolfiは創意工夫を凝らし、プロジェクトに必要な技術やリソースを検討しました。必要とする技術の多くはすでに利用可能ですが、Pandolfiは近い将来に利用可能になると見込まれるハードウェアやソフトウェアの登場にも期待しています。彼女はKWFのチームを率いて、ドローン、AI、GPS機能を活用する手法を開発しました。

YOLOv5で検出されたイタチ

「このプロジェクトの開始当初、コミュニティからは多くの疑問の声が上がりました。そんなのは無謀だ、不可能だ、できるはずがない、必要な技術も存在しないと言われました。しかし私は長期的な視点で考えていました。このプロジェクトのために、コンピューターサイエンスとドローンの機能は進化し、融合していく必要があると考えていたのです。」

リスクの高い場所にさまざまなカメラやセンサーを設置することで、KWFは世界各地からデータを収集し、瞬時の意思決定に役立つ実用的なインサイトを得ています。

「ある場所に密猟者がいると想像してください」とパンドルフィは言います。「密猟者を追跡し、その位置をレンジャーに知らせることで、レンジャーが密猟者を阻止し、動物が殺される前に食い止められるようにしたいのです。」

なぜYOLOv5なのか?#

リアルタイムの物体検出が必要なKWFにとって、モデルの出力には高い精度と信頼性が求められました。選択肢を比較する中で、パンドルフィのKWF AIチームリーダーで、オランダの学生でもあるダーン・エールティンクは、YOLOv4とYOLOv5の性能を比較しました。YOLOv5にはいくつかの際立った特長があり、KWFのチームはプロジェクトに採用することを決めました。

  • YOLOv5モデルのトレーニングに必要な画像が少なくて済みました。
  • オープンソースであるため、KWFチームはこの技術を非常に容易に利用できました。
  • YOLOv5の学習曲線は急ではありませんでした。

KWFは、保全活動に必要な技術を構築するため、世界中のボランティア、エンジニア、インターンのチームに頼っています。インターンの多くは高校生で、YOLOv5の経験がほとんどない、またはまったくない人もいます。パンドルフィは、経験が最も少ない人でも3週間足らずでYOLOv5を稼働させられることを確認しました。

さらに、実験追跡プラットフォームとの連携により、モデルやデータセットのファインチューニングが簡単になり、KWFは現場で使用するYOLOv5モデルの性能を最大限に高めることができました。

「YOLOv5は精度が高く、動物が殺される前に救うのに役立ちました。それが私たちの最終的な目標でした。」

Pandolfiによると、YOLOv5がなければ、KWFのチームは苦労していたでしょう。物体検出を導入する前は、自然保護プロジェクトで最適な量のデータを得られていませんでした。2023年初頭、KWFは当時のYOLOファミリーのVision AIアーキテクチャの最新リリースであるUltralytics YOLOv8に取り組みを移行する予定です(その後、Ultralytics YOLO26が後継モデルとなりました)。

YOLOv5のデプロイ#

現在、KWFは現場のセンサーで物体を検出するためにYOLOv5をデプロイしています。これらのデバイスは生物学者にデータを送信し、生物学者は情報を分析して実用的なインサイトを導き出します。来年、KWFはドローン画像を含むデータセットでYOLOv5をトレーニングし、その後、ドローンを現場に導入することを目指しています。

保全プロジェクト#

ウミガメ#

世界には7種のウミガメがおり、そのうち5種がIUCNレッドリストで絶滅危惧種に指定されています。産卵の際、メスのウミガメは浜辺に上陸し、砂に巣穴を掘って卵を産みます。この作業には数時間かかることもありますが、終わるとメスは海に戻り、卵は砂の中で55~65日間ふ化を待ちます。母親が戻ってこないため、卵は密猟者や捕食者、自然環境から身を守る手段がほとんどありません。

カシミール・ワールド財団のウミガメ保全インフォグラフィック

これまで、保全活動家は浜辺にある巣の位置をすべて記録することで、ウミガメを追跡してきました。こうした地域で脅威が大きい場合、保全活動家は一時的に巣をより安全な場所へ移し、ふ化後にカメを海へ放します。

この作業では、長さ30マイル以上の浜辺を人が歩き、巣の位置を記録することがあります。毎日この作業を実施するのに十分な人員を確保するのは難しく、特にCOVID-19によるロックダウン中は困難でした。

さらに、ウミガメの巣に目印を付けることが、かえって逆効果になる場合もありました。密猟者が目印を頼りに巣を探せるだけでなく、ブタも目印が近くにウミガメの巣があることを示すと学習し、卵を食べるようになったのです。

KWFは、人手への依存を減らし、見つけやすい目印を置き換えることで、このプロセスを改善できると考えました。YOLOv5を使った自律型航空システムを導入してウミガメの巣を検出、特定、特徴付ければ、生物学者は巣の足跡や地理的位置などの情報をリアルタイムで受け取ることができ、生物学者が浜辺を歩いて巣の位置を記録する必要がなくなります。

ユキヒョウ#

ユキヒョウは、暗色の斑紋がある厚い白い毛皮によって、ヒマラヤの景観に巧みに溶け込みます。野生では食物連鎖の頂点に立つ捕食者であり、天敵はいません。しかし、毛皮やその他の部位がファッションや伝統医療で非常に高い需要を集めていることに加え、生息地の喪失や分断化も進んでいるため、野生に残るユキヒョウはわずか4,000~6,500頭と推定されています。

ユキヒョウが生息する過酷な環境に関わる次の要因により、ユキヒョウの保全活動は非常に困難です。

  • 標高の高さ
  • 大量の降雪
  • 極寒の気温
  • 強風
  • 険しい渓谷
  • 過酷な地形

さらに、野生のユキヒョウを見つけることは非常にまれです。そのため、KWFはドローン技術を活用して大型ネコ科動物を追跡・保護する、自動化された取り組みを開発しています。現在、ユキヒョウを追跡するために必要な条件、つまり標高約20,000~22,000フィートで機体が稼働できるよう、ドローン技術の開発が進められています。

YOLOv5で検出されたユキヒョウ

技術が利用可能になれば、KWFはYOLOv5をセンサーやドローンに搭載し、ヒマラヤに配備する予定です。追跡のために、センサーやドローンで、風ですぐに消えてしまうことが多い雪上の足跡を検出できます。このリアルタイム情報は、生物学者や自然保護活動家に送信されます。

Kashmir World Foundationのウェブサイトにアクセスして、世界各地での自然保護活動に貢献する方法をご確認ください。

執筆者

Nuvola Ladi
Nuvola Ladi

デジタルコンテンツマネージャー · Ultralytics

Nuvola LadiはUltralyticsのデジタルコンテンツマネージャーとして、ビジョンAIやUltralytics YOLOに関するコンテンツを制作し、PyTorch Conference 2025などの業界イベントで会社を代表しています。スペインを拠点とし、IE Universityでビジュアル・デジタルメディアの修士号を取得しています。Ultralyticsに入社する前は、XVA Gallery & HotelやRolexなどの組織で職務に就いていました。

コメント

質問したり、結果を共有したり、ほかの人をサポートしたりできます。

ソリューションを見る

スポーツにおけるコンピュータービジョン

スポーツにおけるコンピュータービジョン

Ultralytics YOLOが、選手やボールの追跡、パフォーマンス分析、コーチングへの知見、アスリートのリハビリを通じて、スポーツビジョンをどのように支えるかをご紹介します。
詳しく見る
航空画像向けコンピュータービジョン

航空画像向けコンピュータービジョン

Ultralytics YOLOを使用して、ドローンや航空画像をリアルタイムの知見に変換し、農業、水産養殖、自然保護、地理空間分析に活用できます。
詳しく見る
航空宇宙分野のコンピュータービジョン

航空宇宙分野のコンピュータービジョン

Ultralytics YOLOを活用して航空宇宙分野でコンピュータビジョンを導入し、航空機検査、滑走路上のFOD検出、空港の地上業務、複合材の欠陥検出に活用できます。
詳しく見る
セキュリティ分野のコンピュータービジョン

セキュリティ分野のコンピュータービジョン

Ultralytics YOLOモデルであらゆる施設を保護しましょう。ビジョンAIは、周辺監視、脅威検知、ナンバープレート認識、職場の安全管理を支援します。
詳しく見る
ロボティクス分野のコンピュータービジョン

ロボティクス分野のコンピュータービジョン

Ultralytics YOLOモデルで、よりスマートなマシンを実現しましょう。ロボティクスにおけるビジョンAIは、自律ナビゲーション、認識、物体追跡、リアルタイム制御を支援します。
詳しく見る
物流におけるコンピュータービジョン

物流におけるコンピュータービジョン

Ultralytics YOLOモデルで物流を効率化しましょう。ビジョンAIにより、荷物検査、仕分け、車両追跡、倉庫のリアルタイム安全監視を実現します。
詳しく見る
小売業におけるコンピュータービジョン

小売業におけるコンピュータービジョン

Ultralytics YOLOモデルで小売のあり方を変革しましょう。ビジョンAIにより、在庫追跡、棚の監視、行列管理、より高度な顧客インサイトを実現します。
詳しく見る
医療分野におけるコンピュータービジョン

医療分野におけるコンピュータービジョン

Ultralytics YOLOモデルで医療ソリューションを構築しましょう。医療分野のビジョンAIは、医用画像処理の高速化、より高度な診断、患者モニタリングを実現します。
詳しく見る
製造業におけるコンピュータービジョン

製造業におけるコンピュータービジョン

Ultralytics YOLOモデルで製造を最適化しましょう。ビジョンAIは、品質管理、欠陥検出、PPE準拠、組立ラインの自動化を推進します。
詳しく見る
自動車分野におけるコンピュータービジョン

自動車分野におけるコンピュータービジョン

Ultralytics YOLOモデルで自動車分野にコンピュータービジョンを導入しましょう。ビジョンAIは、道路の安全性、運転支援、車両の自動化を向上させ、よりスマートな道路を実現します。
詳しく見る
農業におけるコンピュータービジョン

農業におけるコンピュータービジョン

Ultralytics YOLOモデルでスマート農業にビジョンAIを導入しましょう。作物のモニタリング、家畜の追跡、精密農業を支援し、より高く効率的な収量を実現します。
詳しく見る

AIの未来を一緒に築きましょう!

機械学習の未来に向けた歩みを始めましょう