Video yang semula tampak buram dan nyaris tak terbaca kini justru menjadi bahan berharga untuk riset primata. Perubahan itu terjadi berkat PriMAT, model AI pelacak banyak hewan yang dirancang untuk membaca rekaman dari hutan lebat Asia Tenggara.
Bagi peneliti lapangan, tantangan terbesar selama ini bukan sekadar merekam satwa liar. Cahaya yang terus berubah, vegetasi rapat, dan sudut kamera yang cepat kehilangan objek sering membuat primata menghilang begitu masuk ke bayangan atau tertutup semak.
Pendekatan yang tidak bergantung pada titik tubuh
Selama bertahun-tahun, pelacakan otomatis banyak bertumpu pada keypoint detection. Metode ini menandai bagian tubuh seperti siku, pangkal ekor, atau kaki, dan biasanya bekerja cukup baik di lingkungan yang terkendali.
Masalah muncul saat teknik itu dipakai di hutan tropis dan hutan lebat. Kondisi visual yang sulit diprediksi membuat pelacakan berbasis titik tubuh kerap gagal mengikuti pergerakan primata secara konsisten.
PriMAT mengambil jalur lain dengan menggunakan bounding box dinamis untuk mengunci target. Pendekatan ini membantu sistem tetap mengikuti objek meski kondisi lapangan berubah dan subjek bergerak di area yang sulit diamati.
Arsip lama yang kembali berguna
Keunggulan PriMAT tidak berhenti pada pemantauan langsung di lapangan. Rekaman yang sebelumnya dianggap kurang berguna ternyata bisa dipakai ulang untuk analisis, sehingga arsip lama berubah menjadi sumber data baru.
Dalam uji kasus pada Assamese macaques dan red-fronted lemurs, peneliti hanya menggunakan beberapa ratus frame video dengan bounding box. Dari situ, identitas lemur dapat diprediksi secara akurat hingga 83%.
Model yang sama juga diuji pada Barbary macaques, Guinea baboons, gorila, dan simpanse. Hasil tersebut menunjukkan bahwa pendekatan berbasis AI ini dapat mengikuti individu primata tertentu tanpa bergantung pada gerakan atau perilaku hewan saat itu.
Dibuat untuk medan yang sulit
Tim peneliti dari berbagai negara, termasuk Jerman, mengembangkan model ini khusus untuk melacak primata nonmanusia dalam kondisi alami. Sistem tersebut juga dapat mendeteksi dan melacak primata serta objek lain dari video berlabel atau gambar tunggal.
Kegunaan itu penting karena kerja biologi lapangan sering menyita tenaga dan kesabaran besar. Peneliti kerap harus bersembunyi lama di vegetasi rapat hanya untuk mendapatkan beberapa jam cuplikan yang benar-benar jelas tentang monyet atau primata lain.
Bahkan ketika kamera berhasil merekam, hasil pengamatan sering tidak bertahan lama. Begitu subjek bergerak ke area gelap atau lewat di balik semak tebal, pelacakan bisa terputus hanya dalam hitungan kaki.
Mengurangi beban penyortiran manual
PriMAT menawarkan cara lain dengan memanfaatkan rekaman lama yang sudah terkumpul. Menurut penjelasan para peneliti, jam-jam footage yang dulu terasa tidak berguna kini dapat dianalisis otomatis dalam hitungan menit.
Hal ini menjadi penting karena penelitian primata menghasilkan banyak data, tetapi sulit diproses secara manual. Dengan AI, peneliti tidak lagi harus menghabiskan waktu sebanyak sebelumnya untuk menyaring gambar satu per satu.
Model ini memang masih berada pada tahap awal. Namun efektivitasnya menunjukkan ada sisi riset yang sebelumnya tersembunyi dan kini mulai terbuka.
Jika pengembangan seperti ini terus maju, video buram dari dalam hutan bisa berubah menjadi salah satu sumber paling berharga dalam studi perilaku primata. Bagi riset lapangan di hutan lebat, rekaman yang dulu diabaikan kini justru menjadi pintu masuk untuk membaca gerak primata dengan lebih cermat.
-
-
-
-
