Op stranden in New South Wales moeten drones haaien vroeg signaleren zonder zeedieren te vangen of te doden. Een nieuwe analyse van 900 vluchten laat zien hoe moeilijk het is om stierhaaien, witte haaien en tijgerhaaien in realtime op een klein scherm te onderscheiden.
Piloten meldden op 269 vluchten minstens een van deze drie doelsoorten. Latere controle van video’s in hoge resolutie bevestigde dat maar in 101 gevallen. De overige 168 meldingen, 62 procent, waren verkeerde identificaties.
Niet-dodelijke bewaking onder tijdsdruk
Drones vormen een belangrijk onderdeel van het Shark Management Program van New South Wales. Sinds 2017 zijn op 56 stranden meer dan 160.000 vluchten uitgevoerd. Anders dan netten of klassieke drumlines moeten drones risico beperken zonder dieren te vangen.
De vluchten vinden meestal plaats tussen 9 en 16 uur bij geschikt weer. Een drone controleert tot een kilometer kustlijn, vaak op ongeveer 60 meter hoogte, terwijl de piloot de livebeelden snel moet beoordelen.
Het probleem is niet zien, maar benoemen
De studie maakt onderscheid tussen detectie en identificatie. Een donkere vorm kan zichtbaar zijn; bepalen welke soort het is vanaf boven is veel lastiger. Lichaamsvorm, schittering, diepte, golven en schermkwaliteit spelen mee.
Dat is belangrijk omdat beheermaatregelen per soort verschillen. Stierhaaien, witte haaien en tijgerhaaien leiden tot zwaardere reacties dan veel andere grote zeedieren.
Valse alarmen vertekenen het risico
In live rapportages leken doelhaaien ongeveer twee keer zo vaak aanwezig als na deskundige controle. Ongeverifieerde meldingen kunnen het ervaren risico dus opblazen.
Dat maakt drones niet nutteloos. Het laat hun grenzen zien. Ze leveren snelle, niet-dodelijke informatie, maar soortidentificatie vraagt training, kwaliteitscontrole en waar mogelijk verificatie achteraf.
AI lost dit niet meteen op
Automatische herkenning kan helpen, maar heeft goede gelabelde data nodig. Kustomstandigheden zijn rommelig: schittering, golven, troebel water, diepte en gedeeltelijke beelden maken analyse lastig.
De praktische les is om onzekerheid duidelijk te melden, waarnemingen te onderscheiden van bevestigde identificaties en niet elke live melding als bewezen dreiging te behandelen.
