Индивидуальная идентификация и оценка численности желтопятнистой горной тритоны (Neurergus derjugini) на основе глубокого обучения

Почему важны крошечные горные тритоны

Высоко в ручьях Загросских гор Ирана обитает маленькая, находящаяся под угрозой амфибия: желтопятнистый горный тритон. Как и многие земноводные по всему миру, он испытывает давление из‑за загрязнения, потери мест обитания и изменения климата. Чтобы защитить такой хрупкий вид, ученым нужно знать, сколько особей существует и сокращается ли их популяция или восстанавливается — однако традиционные методы маркировки и отслеживания индивидуумов могут вредить самим животным, которых пытаются спасти. В этом исследовании показано, как обычные фотографии со смартфона в сочетании с современным искусственным интеллектом способны распознавать отдельных тритонов по уникальным пятнистым рисункам и ненавязчиво оценивать их численность.

От вредных меток к безвредным фотографиям

Биологи‑консерваторы давно использовали такие методы, как ампутация пальца, имплантация микрочипов или окрашенные метки, чтобы различать животных во времени. Хотя эти подходы эффективны, они могут причинять боль, стресс и быть непрактичными для маленьких, деликатных амфибий, уже подвергающихся множеству угроз. Исследователи в этом проекте стремились заменить инвазивные методы простой фототехникой. Желтопятнистые горные тритоны имеют характерную «шубку» из ярких желтых пятен на темной коже — подобно отпечатку пальца или созвездию на ночном небе. Тщательно фотографируя эти узоры в природе, команда хотела создать систему, способную узнавать каждого животного и отслеживать его при повторных обследованиях.

Преобразование пятен в данные

Работая на горном ручье, известном как место размножения, команда поймала 549 взрослых тритонов в сезоне 2024 года. Каждую особь ненадолго помещали в небольшую белую фотокамеру‑коробку, освещали мягким естественным светом и фотографировали сверху стандартным смартфоном. Затем тритонов возвращали на то же место, где они были найдены. В лаборатории ученые сначала использовали классические методы обработки изображений, чтобы «обучить» компьютер отличать желтые пятна от фона. Преобразуя цветные снимки в формат, выделяющий оттенок и яркость, и удаляя визуальные шумы, они могли измерить, сколько пятен у каждого тритона, насколько крупными и круглыми они были и какую часть тела покрывали. Этот геометрический метод сам по себе правильно обнаруживал пятна примерно в девяти из десяти случаев, даже когда изображения кадрировали, чтобы сфокусироваться только на голове или туловище.

Как искусственный интеллект учится «лицу»

Чтобы пойти дальше простого подсчета пятен и действительно распознавать индивидуумов, исследователи обратились к глубокому обучению — форме ИИ, вдохновленной работой мозга при обработке визуальной информации. Они обучили три разные сверточные нейронные сети — компьютерные модели, хорошо зарекомендовавшие себя в распознавании изображений — используя фотографии тритонов и известные идентичности. Не указывая сети на конкретные признаки, модели научились различать тонкие различия в расположении и форме желтых пятен. Все три модели показали впечатляющие результаты, правильно идентифицировав почти каждого тритона, а лучшая сеть достигла более 99 % точности. Система особенно успешно работала, когда анализировались и голова, и туловище вместе, что указывает на то, что комбинирование нескольких участков тела даёт ИИ более надежные «подсказки» о том, кто есть кто.

Подсчет скрытой популяции

Индивидуальное распознавание мощно тем, что открывает классический экологический инструмент — захват‑повторный отлов (mark–recapture), при котором животных, обнаруженных при первом визите, «маркируют», а затем ищут их снова позже. Вместо физических меток в этом исследовании в качестве виртуальных ярлыков использовали совпадения изображений, найденные системой глубокого обучения. В двух обследованиях с интервалом 13 дней команда сфотографировала 332 тритона в первый раз и 217 во второй, обнаружив 65 особей, появившихся в обеих выборках. Подставив эти числа в стандартную формулу, они получили оценку местной популяции примерно в 1100 желтопятнистых горных тритонов в этом ручье. Хотя эта цифра содержит неопределенность — животные могут перемещаться в зону исследования и вне её — она даёт ненавязчивый снимок текущей численности и служит базой для отслеживания изменений в будущем.

Что это значит для спасения видов

Для неспециалиста ключевое послание простое: используя фотографии и ИИ вместо скальпелей и меток, ученые могут наблюдать за уязвимыми животными с гораздо меньшим риском их повредить. В данном случае уникальные желтые пятна горного тритона становятся естественным штрихкодом, который компьютер может считывать с замечательной надёжностью. Этот быстрый и недорогой подход можно масштабировать с помощью смартфонов и ноутбуков в отдалённых полевых участках, помогая защитникам природы мониторить находящихся под угрозой амфибий по мере потепления климата и сдвигов ареалов. За пределами этого вида исследование предлагает план по использованию современных методов распознавания изображений для охраны широкого круга застенчивых, хрупких существ, чьё выживание может зависеть от того, чтобы их увидели — но не трогали — люди, стремящиеся их защитить.

Цитирование: Rahmdel, Z., Vaissi, S., Faramarzi, P. et al. Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini). Sci Rep 16, 6475 (2026). https://doi.org/10.1038/s41598-026-36092-2

Ключевые слова: охрана амфибий, идентификация по фото, глубокое обучение, мониторинг популяции, виды, находящиеся под угрозой