カメラトラップとバイオアコースティクスのアノテーションツール比較

Raven Pro は非営利向けの永続ライセンスが $50、Kaleidoscope Pro は年 $399 で、Wildlife Insights は、学術利用者には無料のままで、政府機関と企業にはカメラトラップのサブスクリプションを課金します。カメラトラップでは Timelapse、AddaxAI、Agouti が無料で、バイオアコースティクスでは Arbimon、BirdNET-Analyzer、Audacity、Cornell の Raven Workbench のベータ版が無料です。Potato は、画像や録音ごとに複数のレビュアーで検出結果をレビューするための、Raven Pro や Kaleidoscope Pro に代わる無料のセルフホスト型の選択肢ですが、事前学習済みの検出器も分類器も同梱せず、それらのツールが書き出す MegaDetector、BirdNET、Raven、Audacity のファイルから始めます。

カメラトラップは、カメラの動きセンサーの前を通るものを撮影する、写真または動画のカメラです。MegaDetector は、カメラトラップの画像から動物、人、車両を見つけ、それぞれの周りにボックスを描く、オープンソースのモデルです。MegaDetector の README は、このモデルが空の画像の除去にも役立つと述べています。MegaDetector は種名を付けず、その段階は Google の SpeciesNet のような別の分類器が行います。受動的音響モニタリングは、無人の録音機で、数日から数か月にわたって調査地点を録音し、バイオアコースティクスのソフトウェアが、録音の中から鳥、コウモリ、カエル、クジラの鳴き声を見つけます。スペクトログラムは、録音の周波数を時間に沿って示し、鳴き声は、開始時刻、終了時刻、周波数範囲を持つボックスとして印を付けられます。Raven の選択テーブルは、それらのボックスを一行に一つずつ一覧にします。

Camtrap DP は、カメラトラップのデータのための TDWG のデータ交換形式で、設置、メディア、観察のテーブルを持ちます。Darwin Core は、出現記録のための TDWG の標準で、GBIF は、両方の形式でデータを公開する世界的な生物多様性データベースです。Potato での生態学は、Potato の生態学向けのタスクを一か所にまとめ、カメラトラップとバイオアコースティクスは、すべてのインポートとエクスポートのオプションを文書化しています。

比較する価値のあるカメラトラップのツール

価格とライセンスは、各プロジェクト自身のページによるもので、2026-10-29 に確認しました。

MegaDetector 自体は MIT ライセンスで、pip install megadetector でインストールされます。MegaDetector の README は、MegaDetector と連携するツールとプラットフォームとして、Timelapse、AddaxAI、Wildlife Insights、TrapTagger、Agouti、Camelot を挙げています。Wildlife Insights は種の認識に SpeciesNet を使い、SpeciesNet は、まず MegaDetector を、次に種の分類器を実行します。

比較する価値のあるバイオアコースティクスのツール

Cornell の Raven Workbench のページは、Workbench が「Raven Pro の機能を強化し、置き換える」ためのものであり、研究室がいずれ Raven Pro の販売とサポートを終了すると述べています。Raven Pro の旧版のダウンロードは引き続き利用できます。BirdNET のドキュメントは、教育および研究のすべての利用を非商用として扱っており、モデルの CC BY-NC-SA ライセンスは商用利用をカバーしません。

どの作業にどのツールか

表は、生態学のプロジェクトの種類を、その種類のプロジェクトのために作られたツールと組み合わせています。

モデルを動かすツールは、検出器や分類器が作業を行う場面に現れ、デスクトップのツールは、一人が出力をレビューする場面に現れます。Potato は、それらのツールの出力が複数のレビュアーに渡り、プロジェクトが各レビュアーの回答を別々に保持する必要がある場面に現れます。

検出器を誰が動かすか

このページのツールの多くは、モデルを動かすか、別の場所で実行されたモデルの出力を表示します。AddaxAI は、インストール後はインターネット接続なしで、自分のコンピューター上で MegaDetector と種のモデルを動かします。Wildlife Insights は、アップロード後に、Google Cloud 上で同定モデルを動かします。Timelapse は、自身ではモデルを動かさず、AddaxAI や MegaDetector が書き出す認識ファイルをインポートします。バイオアコースティクスでは、Raven Pro は Learning Detector を通じて BirdNET などのモデルを動かし、Kaleidoscope Pro はコウモリの分類器と BirdNET の分類器を動かし、BirdNET-Analyzer は単独の BirdNET プログラムです。

Potato のカメラトラップとバイオアコースティクスのインポートは、検出器も分類器も動かしません。potato import は、形式 1.x の MegaDetector のバッチ出力 JSON、COCO Camera Traps JSON、BirdNET-Analyzer の Raven テーブルまたは CSV、Raven Pro または Raven Lite の選択テーブル、Audacity のラベルトラックを読み込みます。MegaDetector ファイルの中の種の分類は、ボックスのラベルと、事前にチェックされた種になります。各検出は、レビュアーが移動、リサイズ、ラベル変更、削除できるボックスになります。インポート時に、--md-threshold（デフォルトは 0.2）と、BirdNET では --min-confidence（デフォルトは 0.1）が、設定した信頼度を下回る検出を除外します。インポートされたすべてのボックスは、モデルの名前と信頼度を保持し、レビュアーがボックスを変更すると "edited": true が付きます。バージョン2.14からは、Potato は、カメラトラップの画像やスペクトログラム上でレビュアーが描いたボックスで検出器を学習することもでき、検出器のボックスは、レビュアーが修正する事前ラベルとして戻ります。torchvision と YOLO の検出器は、日常の写真の COCO データセットで学習された重みから始まります。

Raven Pro と Kaleidoscope Pro に代わる無料の選択肢

Raven Pro と Kaleidoscope Pro は、上のバイオアコースティクスの表にある、有償のデスクトッププログラム二つです。Raven Pro は、音を測定し、エネルギー型と機械学習型の検出器を動かし、検出器の選択テーブルを人間が作ったテーブルと比較します。Kaleidoscope Pro は、コウモリの種を同定し、似た鳴き声をクラスタリングし、大量の録音セットで BirdNET の分類器を動かします。無料のツールは、それぞれその作業の一部をカバーします。

Cornell 自身の Raven Workbench は無料で、Raven Pro を置き換えることを目指していますが、Cornell は Workbench のアプリをベータ版またはプレビュー版と説明しています。Raven Lite は、スペクトログラムの閲覧と、選択ごとに一つのアノテーションを持つ選択テーブルの作成に無料で使えます。BirdNET-Analyzer は検出に無料で使え、モデルの CC BY-NC-SA 4.0 ライセンスは商用利用をカバーしません。Arbimon は、多数の録音機にまたがるパターンマッチングと種の検証のための、無料のホスト型プラットフォームです。Audacity と Sonic Visualiser は、鳴き声のボックスを手で描くための、無料のデスクトッププログラムです。

Potato は、検出の後のレビューのステップをカバーします。Potato は、BirdNET や Raven の出力をインポートし、設定で定めた人数のレビュアーに各録音を割り当て、ブラウザー内で計算されたスペクトログラム上にボックスを表示し、各レビュアーが修正したボックスを、別々の Raven 選択テーブルまたは Audacity のラベルファイルに書き出します。Potato は、音の測定、検出器の実行、鳴き声のクラスタリング、スペクトログラムのボックスに対する一致度の報告を行わず、そのほかの不足は、生態学分野で Potato が行わないことに挙げています。

カメラトラップについては、Wildlife Insights が課金するのは政府機関と企業だけで、Timelapse、AddaxAI、Agouti、TrapTagger、Camelot は無料です。Potato は、複数のレビュアーが各画像を確認し、画像がプロジェクト自身のサーバーに留まるカメラトラップのプロジェクトに向いています。

ツールごとの複数のレビュアーと一致度

ツールは、複数の人の間で作業を分担する方法がそれぞれ異なります。各行は、同じ画像や録音に対して複数の人が作業するためのツールの構成と、そのツールのドキュメントが説明している一致度の指標を示します。

ダッシュは、2026-10-29 に確認した、そのツール自身のドキュメントに、そのセルに当たるものが見つからなかったことを意味します。セルが誤っている場合は、お知らせください。

10 人の観察者が同じ 11,560 枚のカメラトラップ画像を処理したとき、そのセットにいた 22 種の哺乳類をすべて見つけたのは一人だけで、ほかの観察者が見つけたのは 18 から 22 種でした（Zett ら、2022）。画像のサンプルに二人目のレビュアーをつけると、自分のプロジェクトでも同じ変動を測定できます。Potato の /admin/iaa の管理ダッシュボードは、レビュアーのすべての組について一致度を報告します。検出ボックスに対する一致度は、レビュアーが同じ動物を見つけたか、各動物に同じラベルを付けたか、ボックスがどれだけ近く一致するかを区別します（ジオメトリの一致度）。Potato は、スペクトログラムのボックスに対する一致度は計算しません。カッパが必要なバイオアコースティクスの研究では、下の BirdNET の設定のように、クリップ単位の設問を加えます。

ボランティアと市民科学

Zooniverse は公開プロジェクトを無料でホストし、Zooniverse チームは、プロジェクトがボランティアコミュニティに公開される前にレビューします。Snapshot Serengeti は、各画像のボランティアの分類を多数決で組み合わせ、専門家が分類した 4,149 の画像セットに対して、種について 96.6% の精度に達しました（Swanson ら、2015）。Zooniverse は、非公開のプロジェクトであっても、すべてのプロジェクトのメディアを公開 URL でホストし、コミュニティに昇格したプロジェクトは、通常 2 年の独占期間の後に、分類データを公開します。

Potato には、一般向けのボランティアコミュニティはありません。プロジェクトは、自分のボランティアや学生とサインアップのリンクを共有するか、Prolific を通じて有償の参加者を募集します（クラウドソーシング調査の実施）。訓練フェーズは、本番の画像の前に、フィードバック付きの練習用画像をボランティアに提供します。mace: enabled: true を指定すると、Potato は、アイテムに三つの回答が集まった時点で、トリアージと種の設問について、各ボランティアの信頼性と推論された回答を推定します（MACE）。Potato の Zooniverse インポーターは、プロジェクトのワークフローと分類を読み込みます。インポーターはサーベイタスクを除外し、除外した数を報告します。サーベイタスクとは、フォローアップの質問を伴う、Zooniverse の種の選択肢のグリッドです。

ファイル形式と GBIF への公開

表は、生態学のプロジェクトがやり取りする形式と、Potato 2.13.1 が各形式について読み書きするものを挙げています。

カメラトラップのデータについて GBIF が推奨する経路は、GBIF IPT のバージョン 3 以降にアップロードする Camtrap DP パッケージです。GBIF は、公開されたパッケージを camtrapdp R パッケージで Darwin Core の出現記録に変換し、各出現記録をカメラの位置に置きます。Potato の Camtrap DP エクスポートには、各設置の座標、すべてのタイムスタンプの UTC オフセット、パッケージのメタデータのように、Potato が持たない情報が必要です。latitude と longitude という名前のアイテムのフィールドが座標を埋め、エクスポートのオプションがそれ以外を埋め、エクスポートは、まだ不足しているものを指摘します。パッケージを IPT にアップロードする前に検証してください。

画像ごとに複数のレビュアーがいる場合、camtrap_dp、darwin_core、megadetector のエクスポートは、アイテムごとに一人のレビュアーを書き出します。--option annotator=<user> でレビュアーを指定しない限り、ユーザー ID で最初の人が選ばれ、そのアイテムに複数のレビュアーがいたことが警告されます。エクスポートが取る回答が合意された回答になるように、エクスポートの前に、レビュアーの回答を調整してください。レビュアーのユーザー名は、classifiedBy または identifiedBy に入ります。

オフラインのフィールド利用とデータの所在

Timelapse、AddaxAI、Camelot、Raven、Kaleidoscope、Audacity、Sonic Visualiser は、画像や録音を保存しているコンピューター上で動き、AddaxAI と Timelapse は、インストール後はインターネット接続を必要としません。Wildlife Insights は Google Cloud 上で動き、データ提供者は最大 48 か月までデータを非公開にできます。Agouti は、すべてのデータを、オランダの Wageningen University and Research が所有するサーバーに保存します。Arbimon は、録音をクラウドに保存します。TrapTagger は、ホスト型アカウントと、TrapTagger のリポジトリからのセルフホスト型のインストールを提供します。

Potato は、ノートパソコンまたはサーバーに pip でインストールされ、同じマシン上、またはフィールドステーションのローカルネットワーク上のレビュアーは、ブラウザーで作業します。Potato は、すべてのスクリプト、スタイルシート、フォント、アイコンをインストールから配信し、カメラトラップとバイオアコースティクスのインポートとレビューのワークフローは、モデルの重みを読み込みません。バージョン2.14からは、レビュアーのボックスでの検出器の学習は、初回の実行時に COCO で事前学習された重みをダウンロードし、以降の実行はキャッシュされた重みを再利用します。--image-dir を使うと、Potato は、調査をコピーすることなく、調査の既存のフォルダーから画像を配信します。スペクトログラムは、レビュアーのブラウザー内で音声ファイルから計算され、サーバーには音声ツールがありません。画像ボックスのスキームも、スペクトログラムのスキームも、スマートフォンの幅でのタッチ操作でテスト済みの Potato のタイプの一覧に入っています。エアギャップ環境でのデプロイは、Potato がローカルで配信するものを一覧にしています。

Potato で二人のレビュアーが MegaDetector の出力をレビューする

まず自分のマシンで MegaDetector を、または種のモデルを使った AddaxAI を実行します。以下のインポートは、信頼度が 0.5 以上の検出を残し、調査自身のフォルダーから画像を配信します。

potato import -i md_output.json --image-dir /data/traps --md-threshold 0.5 -o review-project/

以下の設定は、インポートが書き出す形に、二つの追加を加えたものです。num_annotators_per_item: 2 は、トリアージの回答、種、ボックスについて一致度を見るために、すべての画像を二人のレビュアーに送ります。分類器はキツネを挙げなかったため、追加した Vulpes vulpes ラベルによって、レビュアーは、分類器が見逃したキツネにラベルを付けられます。この設定は完結しており、Potato のバリデーターを通過します。

annotation_task_name: Camera-trap review, two reviewers per image
task_dir: .
output_annotation_dir: annotation_output/
data_files:
  - data/md_output.jsonl
item_properties:
  id_key: id
  text_key: image_url
user_config:
  allow_all_users: true
  users: []
media_directory: /data/traps
 
# Every image goes to two reviewers for a comparison of the two reviews
num_annotators_per_item: 2
 
pre_annotation:
  enabled: true
  field: predictions
  allow_modification: true
 
annotation_schemes:
  - annotation_type: radio
    name: triage
    description: What does this image show?
    labels: [empty, animal, person, vehicle]
    sequential_key_binding: true
 
  - annotation_type: image_annotation
    name: detections
    description: Correct the boxes, delete false detections, and draw any animal that was missed.
    source_field: image_url
    tools: [bbox]
    zoom_enabled: true
    labels:
      - {name: Odocoileus virginianus, color: "#f58231"}
      - {name: Procyon lotor, color: "#911eb4"}
      # A species the classifier never names, added for reviewers to draw
      - {name: Vulpes vulpes, color: "#008080"}
      - {name: animal, color: "#3cb44b"}
      - {name: person, color: "#e6194b"}
      - {name: vehicle, color: "#4363d8"}
 
  - annotation_type: multiselect
    name: species
    description: Which species are present?
    labels: [Odocoileus virginianus, Procyon lotor, Vulpes vulpes]

各画像は、検出器のボックスが描かれ、最も信頼度の高い検出からトリアージの回答が選ばれた状態で開き、レビュアーは、キー 1 から 4 でトリアージの設問に答えます。事前に入力された回答は、レビュアーが画像を保存したときにのみ保存され、レビューされていない画像はエクスポートに含まれません。レビューが終わったら、パッケージと出現記録をエクスポートします。

python -m potato.export -c review-project/config.yaml -f camtrap_dp -o package/ \
    --option timezone=-05:00 --option contributor="Your Name" \
    --option sampling_design=opportunistic --option capture_method=activityDetection
python -m potato.export -c review-project/config.yaml -f darwin_core -o package/

classificationMethod は、レビュアーが変更しなかった検出器のボックスでは machine、レビュアーが描いたか変更したボックスでは human です。Darwin Core のテーブルでは、同じ区別が basisOfRecord を MachineObservation または HumanObservation に設定します。承認印のように通された事前ラベルの検出は、レビュアーが検出器のボックスを見ずに受け入れたかどうかを確認する方法を示しています。

Potato で二人のレビュアーが BirdNET の検出を検証する

まず録音に対して BirdNET-Analyzer を実行し、録音を BirdNET の出力ファイルの隣に置いておきます。以下のインポートは、信頼度が 0.5 以上の検出を残します。

potato import -i birdnet-output/ -f birdnet --min-confidence 0.5 -o birdnet-review/

以下の設定は、インポートが書き出す形に、すべてのクリップへの二人目のレビュアー、BirdNET が報告しなかった種、クリップ単位の設問を加えたものです。Potato はスペクトログラムのボックスに対する一致度を報告しないため、クリップ単位の設問が、管理ダッシュボードにカッパを与えます。この設定は完結しており、Potato のバリデーターを通過します。

annotation_task_name: BirdNET verification, two reviewers per clip
task_dir: .
output_annotation_dir: annotation_output/
data_files:
  - data/birdnet-output.jsonl
item_properties:
  id_key: id
  text_key: recording
user_config:
  allow_all_users: true
  users: []
 
# Every clip goes to two reviewers for a comparison of the clip-level answers
num_annotators_per_item: 2
 
pre_annotation:
  enabled: true
  field: predictions
  allow_modification: true
 
annotation_schemes:
  - annotation_type: spectrogram_annotation
    name: calls
    description: Check BirdNET's boxes, fix or delete the wrong ones, and draw any call BirdNET missed.
    source_field: audio_url
    labels:
      - American Robin
      - Northern Cardinal
      # Species on the site list that BirdNET did not report in these clips
      - Song Sparrow
      - unknown
 
  - annotation_type: radio
    name: clip_review
    description: How well did BirdNET do on this clip?
    labels:
      - All boxes correct
      - Some boxes wrong or missing
      - Recording unusable

BirdNET のボックスは、レビュアーが変更するまで、破線の枠で描かれます。修正したボックスを Raven または Audacity 用にエクスポートします。

python -m potato.export -c birdnet-review/config.yaml -f raven -o export/
python -m potato.export -c birdnet-review/config.yaml -f audacity_labels -o export/

レビュアーが二人の場合、各録音には、site_a_0600.alice.selections.txt と site_a_0600.bob.selections.txt のように、レビュアーごとに一つのファイルができ、各ファイルは Raven で録音の隣に開きます。スペクトログラムアノテーションは、スキームのオプションと操作を一覧にしています。

生態学分野で Potato が行わないこと

• 事前学習済みの検出器も分類器もない。 MegaDetector、SpeciesNet、AddaxAI、Wildlife Insights、BirdNET-Analyzer、Raven Pro、Kaleidoscope Pro がモデルを動かし、レビュアーは Potato で出力を修正します。Potato は BirdNET のモデルを含みません。バージョン2.14から Potato で学習した検出器は、COCO の重みから始まり、そのプロジェクト自身のレビュアーが描いたボックスから種を学習します。
• 音の測定は行わない。 Raven Pro と Raven Workbench は周波数、長さ、エネルギーを測定し、Potato はボックスの端だけを保存します。
• スペクトログラムのボックスに対する一致度はない。 一致度の対象は、設問、種のチェック、画像上のボックスです。
• GBIF のエクスポートには調整がない。 Camtrap DP と Darwin Core のエクスポートは、レビュアーごとに一つの観察を書き出します。
• 長い録音を一つのビューで扱えない。 ブラウザーはファイル全体をデコードし、最大 4,096 列のスペクトログラムしか描画しません。録音は数分のクリップに切ってください。
• Kaleidoscope や Arbimon の形式は扱わない。 Potato は、Raven のテーブル、Audacity のラベル、BirdNET の出力を読み込みます。
• Camtrap DP のインポートはない。 Potato は Camtrap DP を書き出し、MegaDetector と COCO Camera Traps の JSON を読み込みます。
• インポート時に Zooniverse のサーベイタスクは扱わない。 種のグリッドのタスクは、警告とともに除外されます。
• 一般向けのボランティアコミュニティはない。 ボランティアを連れてくるのは Zooniverse で、Potato は Prolific か、プロジェクトが共有するリンクを通じて募集します。
• サーバーが必要。 誰かが pip で Potato をインストールしてサーバーを動かします。レビュアー一人ならノートパソコンで、チームなら共有マシンで動かします。

各プロジェクト自身のドキュメントと価格のページに照らして、2026 年 10 月に確認しました。

よくある質問

スペクトログラム上の時間・周波数領域にラベルを付けられる無料のソフトウェアは何ですか。

Raven Lite、Audacity、Sonic Visualiser は、スペクトログラム上の時間・周波数領域に印を付けられる、無料のデスクトッププログラムです。Raven Lite は、選択ごとに一つのアノテーションを持つ選択テーブルを作り、Audacity は、スペクトル選択の周波数範囲を拡張ラベル形式で保存し、Sonic Visualiser には、時間・周波数領域のためのボックスレイヤーがあります。Cornell の Raven Workbench はベータ版で無料であり、Raven Pro を置き換えることを目指しています。Potato は、複数の人がブラウザーで同じ録音にラベルを付け、各人のボックスを、別々の Raven 選択テーブルまたは Audacity のラベルファイルとしてエクスポートする場合のための、無料でセルフホスト型の選択肢です。

カメラトラップの画像で、観察者間の一致度はどう測りますか。

画像のサンプルを二人以上の観察者に渡し、各観察者が同じ設問に独立して答え、二人なら Cohen のカッパ、三人以上なら Krippendorff のアルファのような、偶然補正済みの係数を計算します。Potato では、num_annotators_per_item: 2 がすべての画像を二人のレビュアーに送り、管理ダッシュボードが、トリアージの回答についてカッパとアルファを、チェックされた種について Jaccard とアルファを、ボックスについてマッチした IoU、検出 F1、偶然補正済みのアルファを報告します。ほかのツールからエクスポートした回答については、一致度の計算ツールが、ブラウザー内で CSV からカッパとアルファを計算します。

市民科学のカメラトラッププロジェクトで、ボランティアの種の同定はどのように組み合わされますか。

ほとんどのプロジェクトは、各画像を複数のボランティアに渡し、最も多くのボランティアが選んだ種を採用します。Snapshot Serengeti は、ボランティアの回答をこの多数決で組み合わせ、専門家の分類に対して、種について 96.6% の精度に達しました。Dawid-Skene と MACE は、各ボランティアを推定された信頼性で重み付けし、ボランティアの技能が異なる場合に、多数決より良いラベルを復元できます（Paun ら、2018）。mace: enabled: true を指定すると、Potato は、画像に三つの回答が集まった時点で、トリアージと種の設問に MACE を実行し、クラウドラベルの集約は、それらの手法を比較しています。

関連資料

• Potato での生態学：生態学のタスクを一か所にまとめています
• カメラトラップとバイオアコースティクス：すべてのインポートとエクスポートのオプション
• スペクトログラムで BirdNET の検出を検証すると MegaDetector の結果をレビューして GBIF に公開する：公開データで二つのワークフローを最初から最後まで実行します
• スペクトログラムアノテーションと地図
• エクスポート形式とプロジェクトのインポート
• アノテーター間一致度と裁定
• 音声アノテーションツール比較と画像アノテーションツール比較
• iWildCam のショーケースデザイン

参考文献

1. Swanson, A., Kosmala, M., Lintott, C., Simpson, R., Smith, A., & Packer, C. (2015). Snapshot Serengeti, high-frequency annotated camera trap images of 40 mammalian species in an African savanna. Scientific Data, 2, 150026. https://doi.org/10.1038/sdata.2015.26
2. Zett, T., Stratford, K. J., & Weise, F. J. (2022). Inter-observer variance and agreement of wildlife information extracted from camera trap images. Biodiversity and Conservation, 31(12), 3019-3037. https://doi.org/10.1007/s10531-022-02472-z