野生生物モニタリングのためのコンピュータビジョン：YOLOを用いたブラウンハウラーモンキーの検出
本研究では、YOLOv10コンピュータビジョンフレームワークを適用し、カメラトラップ映像からブラウンハウラーモンキー（Alouatta guariba）を自動検出することで、キャノピーブリッジの利用状況を監視し、保全担当者が偽陽性画像の確認に費やす時間を削減することを目指す。
都市の拡大は世界中の生物多様性を脅かしており、特に森林環境に依存する樹上性種にとって、生息地の分断化は深刻な課題となっています。ブラウンハウラーモンキー（Alouatta guariba）は南米を代表する樹上性霊長類であり、分断された森林パッチ間の移動は死亡率を高め、保全を困難にしています。この問題に対処するため、生態学者は道路や空き地の上にキャノピーブリッジ（樹冠連絡橋）を設置し、動物に安全な移動経路を提供する方法を提案しています。しかし、これらの橋が実際にどの程度利用されているかを把握するには、継続的な監視が不可欠です。従来の監視手法は主にカメラトラップに依存していますが、これらは大量の無関係な画像を生成し、その多くが偽陽性（ターゲット種が写っていない画像）です。保全担当者はこれらの画像を一つ一つ確認する必要があり、多大な時間と労力が費やされています。
このボトルネックを解消するため、ブラジルの研究チームはコンピュータビジョン技術を野生生物モニタリングに応用する試みを行いました。最新の研究で、彼らはYOLOv10物体検出フレームワークを採用し、カメラトラップ映像からブラウンハウラーモンキーを自動識別するアルゴリズムを開発しました。研究の過程で、チームは一般的な課題に直面しました：高精度な検出モデルを訓練するには、大量の注釈付きターゲット動物画像が必要となることです。そこで彼らは、他の環境で撮影されたサル類の画像を補助データとして取り入れ、その割合を変えながらYOLOv10のファインチューニングを行い、モデルの性能を評価しました。
実験の結果、補助データの活用は特に訓練サンプルが限られている場合に検出精度を顕著に向上させることが示されました。この自動検出技術は、偽陽性画像の目視確認時間を大幅に削減するだけでなく、キャノピーブリッジの利用頻度や時間帯などの重要な指標を継続的に追跡することを可能にします。研究者らは、この技術は人間の完全な代替ではなく、保全担当者がより複雑なデータ分析や保護施策の決定に集中できるようにする支援ツールであると強調しています。本研究は2026年の国際コンピュータアニメーション・ソーシャルエージェント・拡張現実会議（CASAXR 26）に採択されており、コンピュータビジョンが野生生物保全の分野で重要な一歩を踏み出したことを示しています。今後、チームはモデルをさらに最適化し、より多くの樹上性種のモニタリングに適用できるよう拡張することで、世界の生物多様性保全に技術的に貢献することを目指しています。