Natuurorganisaties beschikken nu over een nieuwe technologische oplossing om de privacy en veiligheid van bedreigde diersoorten beter te waarborgen. Door de introductie van een systeem dat real-time waarschuwingen van wildcamera's lokaal verwerkt, is het niet langer nodig om gevoelige beelden en locatiedata naar externe servers te verzenden. Dit voorkomt dat kritieke informatie over menselijke activiteiten of de exacte positie van kwetsbare dieren buiten de eigen organisatie terechtkomt.
Het hart van deze oplossing is Trap Tracker RT. Volgens een wetenschappelijke publicatie op arxiv.org gaat het hier om een open-source applicatie die organisaties de mogelijkheid biedt om hun eigen digitale infrastructuur te beheren. Het systeem werkt door beelden via lokale FTP/SFTP-verbindingen of e-mail te ontvangen, deze vervolgens te classificeren met een specifiek model en waarschuwingen te versturen via een eigen mailserver. Hiermee wordt de afhankelijkheid van commerciële cloudproviders doorbroken.
Focus op regionale nauwkeurigheid
Om de effectiviteit van het systeem te bewijzen, is er uitgebreid onderzoek gedaan naar het model DeepFaune-SSA v1.2. Dit model maakt gebruik van een combinatie van MegaDetector v6 en een classifier gebaseerd op DINOv3, specifiek afgestemd op 33 verschillende taxa uit sub-Sahara Afrika. De betrouwbaarheid werd getest met een dataset van 31.131 beelden afkomstig uit Malawi, Namibië en Kenia.
De resultaten laten zien dat dit regionale model aanzienlijk beter presteert dan wereldwijde alternatieven. Zo behaalde DeepFaune-SSA een nauwkeurigheid op beeldniveau van 0,901. Ter vergelijking: de wereldwijde SpeciesNet-classifier scoorde slechts 0,530. Ook modellen zoals YOLOv10x en YOLO26x, die weliswaar op regionale data waren getraind, bleven met respectievelijk 0,556 en 0,547 ver achter. In de rapportage op wordt daarnaast vermeld dat DeepFaune-SSA de hoogste recall behaalde voor alle 26 geëvalueerde soorten.
Snelheid en toegankelijkheid
Voor effectieve monitoring is de snelheid van meldingen essentieel. Uit benchtests van het lokale proces blijkt dat waarschuwingen gemiddeld zes seconden na de upload worden verzonden, zelfs wanneer er sprake is van onderbroken verbindingen.
Een belangrijk voordeel is dat het systeem geen dure, gespecialiseerde hardware vereist. De software kan 19 beelden per minuut verwerken op acht CPU-threads, zonder dat daar grafische processors (GPU's) voor nodig zijn. Dit maakt de technologie toegankelijk voor organisaties met beperkte budgetten voor high-end servers. Hoewel sommige organisaties voor hun administratieve processen gebruikmaken van portalen zoals uillinois.edu, richt deze specifieke monitoringtool zich puur op de operationele veldbehoeften.
Ethiek en datasoevereiniteit
De software wordt inmiddels al ingezet door vijf organisaties in het Verenigd Koninkrijk en Kenia, onder andere om conflicten tussen olifanten en mensen te verminderen. Naast de technische aspecten legt auteur Paul Fergus in de publicatie op de nadruk op de ethische implicaties van real-time monitoring.
Het onderzoek stelt dat echte datasoevereiniteit niet alleen afhangt van waar de berekeningen plaatsvinden, maar van het volledige traject dat de data aflegt. Door de volledige controle over de infrastructuur te behouden, kunnen organisaties zelf bepalen wie toegang heeft tot informatie over menselijke aanwezigheid in beschermde gebieden. De verschuiving naar self-hosting wordt hiermee een centraal onderdeel van de digitale veiligheidsstrategie binnen natuurbehoud. Voor meer details over de technische implementatie kan men de volledige documentatie raadplegen via .