Geautomatiseerde val brengt bodemleven nu al beter in beeld dan verwacht

Hoe kunnen computer vision, beeldverwerking en kunstmatige intelligentie bijdragen aan het in kaart brengen van de populatie bodemleven zonder dit aan te tasten? Om zo bij te dragen aan het behoud van biodiversiteit.

Dat staat centraal in een lopend onderzoek van onder meer Marcel Polling en Gerwoud Otten. Polling is als moleculair ecoloog bij Wageningen Universiteit & Research (WUR) gespecialiseerd in dierecologie en projectleider van het project Technological Innovations for Ecosystem Monitoring (TIEM)​. Dit door het ministerie van Landbouw, Visserij, Voedselzekerheid en Natuur (LVVN) gefinancierde kennisontwikkelingsproject loopt van 1 januari 2025 tot en met 31 december 2028. Het project heeft onder meer als doel om geavanceerde sensorsystemen te creëren die continu in brede zin biodiversiteit kunnen monitoren. Polling werkt in het project samen met onder andere Gerwoud Otten die computer vision en robotica onderzoeker is bij WUR. Zodra beide onderzoekers beginnen te vertellen over het project, en over het eerste prototype van hun geautomatiseerde val om bodeminsecten te identificeren en te tellen, straalt het enthousiasme er direct vanaf. Polling: “Het mooie is dat niemand ons specifiek vraagt om dit op deze manier te doen. Het is echt een eigen initiatief en het is enorm interessant om de verschillende expertises samen te brengen.” “Ik vind het vooral interessant en leuk omdat dit onderzoek heel anders is dan het onderzoek aan planten en vissen dat we veel frequenter doen”, zegt Otten.

Tijd en expertise te kort

Bodemleven wordt gewoonlijk in kaart gebracht door verschillende potvallen – bekers met een deksel met gaten gevuld met ethanol – in te graven in het onderzoeksgebied. Polling: “Onder bodemleven verstaan we diersoorten zoals loopkevers, spinnen en springstaarten. Vooral de loopkevers vormen als groep een goede milieu-indicator en een maat voor de biodiversiteit op een specifieke locatie. Hun aanwezigheid wordt mede bepaald door warmte en vocht, en dus is de plaatsing van de potvallen mede bepalend voor het aantal loopkevers dat je vangt. Ook het weer is daarop van invloed.”

Het kost veel tijd om de juiste locaties voor de potvallen te vinden en om deze te plaatsen. Onderzoekers installeren soms wel 50 vallen per dag op verschillende plekken. Eenmaal gevuld met gevangen insecten, moeten de vallen verzameld worden en naar Wageningen worden gebracht waar experts de inhoud analyseren. Ook dat is een enorm tijdrovende klus. Daarnaast bevat zo’n val normaal gezien heel veel verschillende diergroepen, waar per groep een specialist naar moet kijken. “Naast het feit dat dit monnikenwerk is, zijn dergelijke specialisten er simpelweg niet (meer). Bovendien zijn sommige gevangen insecten met het blote oog nauwelijks meer te herkennen wanneer ze langere tijd in ethanol hebben gelegen. Om de soortendiversiteit te analyseren, voeren we daarom DNA-bemonstering uit op de inhoud van de potvallen, maar ook dat is erg bewerkelijk.”

Onderzoekswensen combineren dankzij vision en AI

“De huidige en gebruikelijke methodiek met potvallen is vanuit onderzoeksaspect niet de meest ideale methode”, vervolgt Polling. “Het liefste observeren en tellen we de dieren in het veld. Als het even kan continu en dan bij voorkeur ook nog op een niet-destructieve manier. Je kunt je voorstellen dat dit tijdtechnisch geen optie (meer) is als je dat allemaal handmatig moet doen.”

In een poging om meer automatisering toe te passen bij de tellingen, wees een collega van Otten en Polling hen op onderzoek naar suzuki-fruitvliegen in Portugal. “Dat was een compacte val op zonne-energie die de fruitvliegen aantrekt met een lokstof en daar automatisch foto’s van maakt. Zo’n val hebben we ingegraven in de grond. Deze val miste echter 90 procent van de bodeminsecten die in de val liepen omdat er slechts elke 30 seconden een foto wordt gemaakt. Bovendien waren de beelden van slechte kwaliteit vanwege een slechte sensor. ‘Dat kan ik beter’, zei Gerwoud.”

Otten: “Op onze wensenlijst stonden onder meer hoge resolutie (HR) beelden om op een relatief klein rond oppervlak met een doorsnede van 3,5 centimeter foto’s in HR te kunnen maken. Om – in elk geval op termijn – algoritmes mee te kunnen trainen. Dat bleek best een zoektocht omdat we vanuit het niets moesten starten. Wereldwijd is iets vergelijkbaars niet beschikbaar. We testten verschillende typen camera’s en uiteindelijk vonden we een 20 megapixel camera die RGB-beelden maakt en ook nog eens goedkoop is. Het volgende punt was de lens. Die moet in staat zijn om bij beperkt licht in te zoomen om van insecten van verschillende groottes haarscherpe foto’s te maken. Van bodemmijten van slechts een paar millimeter tot insecten van enkele centimeters groot. Want we zien ook hooiwagens, regenwormen, naaktslakken en incidenteel zelfs muizen voor de camera verschijnen. Voor de belichting maken we gebruik van een kleine lamp die vooralsnog continu brandt. Door de constructie van de val wordt het camerabeeld zoveel mogelijk afgeschermd van daglicht. Zo hebben we dag en nacht en onder verschillende omstandigheden dezelfde lichtsterkte zodat we uniforme beelden kunnen maken. Ons eerste idee was overigens om naast een RGB-camera een infrarood camera en infrarood verlichting te gebruiken om in het donker insecten te kunnen detecteren. Hierdoor zouden de insecten niet aangetrokken worden door het licht van de val, en zou er alleen tijdens het maken van de HR foto’s een korte lichtflits te zien zijn. Die wens blijft, maar het aantrekkende effect van het weinige licht dat aan de buitenkant van de val te zien is, blijkt vooralsnog zeer beperkt te zijn. ”

Techniek bepaalt omvang val

De hoogte en diameter van de geautomatiseerde val en de materiaalsoort zijn vooral vanuit praktisch oogpunt bepaald. De hoogte is gekozen op basis van de afstand die de camera en lens nodig hebben om van de verschillende diersoorten scherpe foto’s te maken. Polling: “En de diameter is hetzelfde als de bestaande potvallen: 11 tot 12 centimeter omdat we een grondboor met die diameter gebruiken om de gaten voor de vallen te boren. Ongeveer de helft van de 70 centimeter hoge val zit namelijk ondergronds.” Bovengronds bevindt zich de camera- en lichttechniek en de Raspberry Pi computer met 128 gigabyte aan opslagruimte. Onder de grond zit het mechanisme om de dieren te centreren onder de camera en om ze vervolgens op te vangen in ethanol.

Constructie van de val

Otten bouwde de eerste val zelf van een pvc-buis. “Ter hoogte van het maaiveld zitten openingen in de pvc-buis waar insecten de val in kunnen lopen. Via een trechter vallen ze op een rond wit verlicht klepje onderin het midden van de val waarvan de camera twee keer per seconde een foto maakt. Die foto’s worden niet opgeslagen tenzij een of meerdere insecten worden waargenomen. Dat waarnemen gaat automatisch door opeenvolgende beelden rekenkundig van elkaar af te trekken, en het resultaat hiervan verder te bewerken en te filteren. Bij detectie van een insect wordt het beeld opgeslagen. Bij drie opeenvolgende detecties opent een servomotortje uit de modelbouwwereld het klepje onderin de val zodat het dier in een bakje gevuld met ethanol valt. Dat vangsel wordt door Marcels team op DNA geanalyseerd. Het type dier automatisch identificeren lukt namelijk al wel, maar we zijn nog niet in staat om de soort automatisch te bepalen. Daarvoor zijn vooralsnog DNA-analyses nodig.”

Nu al verrassende resultaten

Hoewel de geautomatiseerde val nog een allereerste prototypeversie is en eind november 2025 nog maar een paar maanden operationeel was, zijn beide onderzoekers op verschillende punten blij verrast door de resultaten tot dusver. Gerwoud Otten: “Het meest verrassend vind ik de kwaliteit van de beelden. Zelfs de kleinste dieren zijn onder verschillende omstandigheden zo scherp gefotografeerd dat identificatie eigenlijk altijd goed mogelijk is met het menselijk oog. Zelfs bij bodemmijten die zoals aangegeven zeer klein zijn. Marcel Polling: “Voor mij is tot nu toe het meest verrassend en tegelijkertijd indrukwekkend dat we al in staat zijn om het allerkleinste bodemleven tot in heel groot detail in beeld te brengen. Dit is al veel meer dan gehoopt wat fotokwaliteit betreft. De huidige setup leent zich denk ik ook heel goed voor het bepalen van het biodiversiteitsbeeld in een bepaald gebied. En wat ik het mooist vind aan dit onderzoek, is dat er zoveel verschillende disciplines en aspecten samenkomen in dit project. Entomologen, moleculair ecologen zoals ik, en specialisten op het gebied van vision, robotica en kunstmatige intelligentie (AI) die kennis, software en technologie kunnen combineren. Dat kan alleen in Wageningen als je het mij vraagt en ik nodig bedrijven en andere instellingen dan ook uit om contact op te nemen bij interesse in de techniek en de algoritmes die we aan het ontwikkelen zijn. Natuurlijk staan er nog wensen open, zeker nu we hebben gezien hoe snel en goed het eerste prototype functioneert. Ook daar vinden we samen oplossingen voor.”

Vervolgstappen en opschaling

Die aanvullende wensen zijn zowel ecologisch als technisch van aard. Polling: “We willen de geautomatiseerde val graag diervriendelijker maken door de dieren na het fotograferen weer vrij te laten in de natuur. Door ze door een buisje te laten lopen bijvoorbeeld. Dat vergt een technische aanpassing en het kan ook alleen als de algoritmes voor herkenning voldoende uitontwikkeld zijn. Daarnaast moeten we over voldoende beelden en datasets beschikken. Nu annoteert een entomoloog de beelden nog handmatig en dat willen we automatiseren. Daar bestaat echter nog geen model voor met voldoende kwaliteit waar we openlijk toegang toe hebben.”

Otten heeft nog als wens om de filtering van de foto’s te vervolmaken en wil de belichting aanpassen van continu licht naar flitslicht. “Daarmee wordt de automatische val energiezuiniger en kunnen we de voeding wellicht verzorgen met zonne-energie. Nu werken we nog met een continue laagspanningsvoeding. Ik zou ook graag edge-computing toe willen passen om de gefotografeerde dieren in het veld al te kunnen determineren met behulp van AI. Daarnaast willen we het ontwerp van de val doorontwikkelen naar een compacter model dat seriematig te produceren is. Dat kunnen we wellicht in huis maar misschien is er ook wel een externe partij die hierin geïnteresseerd is.”

Researcher