Harpia: Drohnen nehmen Baumkronen im tropischen Wald automatisch aus der Nähe auf
Das Team um Etienne Laliberté veröffentlicht einen Open-Source-Workflow, der Nahaufnahmen erkannter Baumkronen automatisiert. Ein Vorteil gegenüber Detectree2 oder DeepForest ist nicht belegt.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Etienne Laliberté, Full Professor an der Université de Montréal und bei Mila, leitet das Kanopia-Projekt.
- Harpia ist ein Open-Source-Workflow für ultrahochauflösende Drohnenaufnahmen tropischer Baumkronen, erschienen in Methods in Ecology and Evolution.
- Das Team gewann 2024 als "Limelight Rainforest" den internationalen XPRIZE Rainforest.
- Laliberté ist Canada Research Chair in Plant Functional Biodiversity und leitet das Canadian Airborne Biodiversity Observatory (CABO).
- Das Kronenerkennungsmodell wird seit 2024 genutzt; die Rechenkapazität für Höhen- und Artschätzung ist jünger.
Harpia nimmt tropische Baumkronen selbstständig aus der Nähe auf
Ein Team um Etienne Laliberté von der Université de Montréal und dem KI-Institut Mila hat den Open-Source-Workflow Harpia vorgestellt. Das System automatisiert die Aufnahme hochauflösender Nahaufnahmen von Baumkronen in tropischen Wäldern. Die Arbeit mit dem Titel „Seeing both the forest and the trees: An automated workflow for ultra-high-resolution drone imaging of tropical canopies“ erschien in Methods in Ecology and Evolution.
Laut Mila läuft der Ablauf in zwei Schritten. Zuerst kartiert eine Drohne den Wald aus einigen zehn Metern Höhe über dem Kronendach. KI-Algorithmen erkennen in diesen Luftbildern einzelne Baumkronen und umgrenzen sie. Danach fliegt die Drohne die erkannten Kronen automatisch für Nahaufnahmen an. Neu ist laut der Mila-Meldung vor allem die Veröffentlichung dieser Aufnahmeautomatisierung.
Das Team schreibt, Harpia automatisiere die Aufnahmen „in beispiellosem Maßstab“. Dabei handelt es sich um eine Herstellerangabe. Belegen ließe sie sich nur mit der Originalpublikation, etwa mit Angaben zur erfassten Fläche und einem Vergleich mit bisherigen Aufnahmeverfahren.
Kanopia und Kronenerkennung: seit 2024 im Einsatz, später ergänzt
Harpia gehört zum Projekt Kanopia, einem Forschungskollektiv mit offener Plattform. Sie soll Drohnenbilder und KI für Forschende, lokale Gemeinschaften und Naturschutzmanager weltweit zugänglich machen. Laliberté leitet das Projekt und hat zudem die Canada Research Chair in Plant Functional Biodiversity inne. Ob Harpia über Kanopia bereitgestellt wird, geht aus dem vorliegenden Material nicht hervor.
Das Kronenerkennungsmodell setzt das Team laut dem vorliegenden Material seit 2024 ein. Damit gewann es 2024 den XPRIZE Rainforest unter dem Namen „Limelight Rainforest“. Die Entwicklung unterstützte das IVADO-Programm „IA, biodiversité et changements climatiques“.
DINOvTree ist eine spätere, eigenständige Ergänzung und kein Teil von Harpia. Das Modell soll Höhe und Art eines Baums aus einem einzelnen Drohnenfoto schätzen. Am 10. September 2026 meldete IVADO das Modell und nennt es „von beispielloser Präzision“. Auch diese Aussage ist eine Herstellerangabe. Dasselbe gilt für eine Behauptung aus einer Vortragsankündigung: Die nötige Drohnenhardware sei erschwinglich, und die Technologie könne Waldforschung, Naturschutz und Renaturierung „revolutionieren“.
Ein Fortschritt gegenüber Detectree2 und DeepForest ist nicht belegt
Der Redaktion lag die Originalpublikation nicht vor, nur die Zusammenfassung von Mila. Ein Vergleich von Harpia oder Kanopia mit den Kronenerkennungs-Tools Detectree2 und DeepForest ist nicht auffindbar. Ob die Neuerung messbar besser ist, lässt sich deshalb nicht sagen.
Unabhängige Studien zu diesen beiden Tools testen Harpia nicht. Sie zeigen aber, wie stark Genauigkeitswerte von der Prüfmethode abhängen. In einem temperaten Laubwald in Japan erreichte Detectree2 einen F1-Wert von 0,57, DeepForest 0,52. Eine arXiv-Studie kam dagegen in mediterranen Wäldern auf einen AP50 von 0,094, als sie gegen Laserscan-Referenzdaten (TLS) geprüft wurde. Mit handannotierten Daten eines ähnlichen Standorts lag der Wert bei 0,670. Metriken, Standorte und Referenzdaten unterscheiden sich allerdings. Wer eines der Tools einsetzt, sollte deshalb das Validierungsverfahren hinter veröffentlichten Werten prüfen.



