Waterdiertjes beter herkennen met beeldherkenning: een praktijktest

Waterdiertjes.nl is een burgerwetenschapsplatform, waar iedereen vangsten van waterdiertjes kan registreren. Met een eenvoudig netje, een wit bakje en een smartphone kun je water bij jou in de buurt bemonsteren en bekijken welke dieren er allemaal leven. Al die dieren stellen eisen aan het water, waarbij er in vuil water andere dieren leven dan in schoon water. Veel soorten hebben dan ook een indicatiewaarde voor de waterkwaliteit. Waterdiertjes.nl maakt van die indicaties gebruik om een waterkwaliteitsscore te berekenen, die je krijgt zodra je je vangst doorgeeft. Daarnaast komt het onderzochte water op een kaart van Nederland te staan.

Beeldherkenning met de Waterdiertjes.nl app

Waterdiertjes.nl maakt sinds maart 2026 gebruik van AI-beeldherkenning om het op naam brengen van de waterdieren voor burgers toegankelijker te maken, en daarmee betrouwbaarder. De beeldherkenning is gebaseerd op de Nature Identification API (NIA) van Naturalis. Dezelfde technologie die wordt toegepast in de bekende app ObsIdentify.

Gebruikers fotograferen een individueel waterdiertje op een witte achtergrond. De foto kan nog bewerkt worden om een beter vullend beeld te krijgen. Daarna evalueert AI het gefotografeerde dier en doet een voorstel voor identificatie. De gebruiker krijgt vaak meerdere opties en zal daaruit een keuze kunnen maken. Om die keuze goed te doen, moet de gebruiker het gefotografeerde waterdiertje en de gedane suggesties nauwkeurig bekijken, wat een leerervaring geeft.

De foto en de waarneming worden vervolgens gekoppeld aan Waarneming.nl, waar experts de determinatie kunnen controleren en indien nodig corrigeren. Hierdoor ontstaat een gevalideerde dataset die niet alleen de betrouwbaarheid van burgerwaarnemingen vergroot, maar die ook kan worden gebruikt voor bijvoorbeeld verder ecologisch onderzoek en het trainen en verbeteren van AI-modellen.

Opzet van de test

Studenten van Wageningen University & Research testten de beeldherkenningsfunctie van Waterdiertjes.nl tijdens een reguliere cursus voor eerstejaars van de opleiding Earth System Sciences. De studenten waren nog onervaren in het doen van (veld)onderzoek en zeker in het determineren van waterdieren. Na een korte demonstratie over het nemen van watermonsters en het determineren van waterdieren, onderzochten studenten steeds twee locaties in groepjes van vijf à zes personen.

Op de eerste locatie gebruikten zij een Engelstalige zoekkaart om waterdieren te identificeren. Op de tweede locatie maakten zij gebruik van de beeldherkenningsfunctie van Waterdiertjes.nl in combinatie met de zoekkaart. Bij beide methoden verzamelden de studenten van elke nieuw gevonden soort één exemplaar in een potje en noteerden zij de soortnaam.

De verzamelde gegevens van vijf groepen konden uiteindelijk gebruikt worden. Een expert determineerde alle gevonden dieren, waarna de resultaten werden vergeleken met de identificaties van de studenten. Per groep en methode werd vastgesteld hoeveel determinaties correct waren.

Na afloop vulden de studenten een vragenlijst in over hun ervaringen met de beeldherkenning. De vragen gingen onder meer over gebruiksgemak, plezier, eventuele problemen en de invloed op hun beleving van onderwaterdiversiteit. De antwoorden werden gedigitaliseerd en geanalyseerd.

Resultaten

De vijf groepen studenten verzamelden in totaal 60 dieren, waarvan 32 met de zoekkaart en 28 met beeldherkenning.

Bij het gebruik van alleen de zoekkaarten kwamen meer fouten voor dan met zoekkaart en beeldherkenning. Met de zoekkaartmethode werd ongeveer één op de drie dieren niet juist geclassificeerd, wat ongeveer één op de zeven dieren betrof als ook gebruik gemaakt werd van de beeldherkenning. De tabel laat verder zien dat alle studentengroepen betrouwbaardere determinatieresultaten verkregen als zij ook gebruik maakten van de beeldherkenning.

Het bleek regelmatig moeilijk te zijn om duikerwantsen te onderscheiden van bootsmannetjes, en een aantal keren werd een rattestaartlarve genoteerd, wat een keverlarve of larve van een kokerjuffer had moeten zijn. Er werden geen fouten gemaakt bij waterpissebed, vlokreeft, watermijt en waterjuffer.

Ervaringen van de studenten

Van de 42 studenten hebben er 34 het evaluatieformulier ingevuld. De overgrote meerderheid vond het gebruik van de beeldherkenning makkelijk. Ongeveer de helft van de deelnemers had wel problemen met het maken van goede foto’s: vooral snelbewegende dieren en hele kleine dieren leverden problemen op. Ook de hoek waaronder gefotografeerd moest worden leverde soms geen goede beelden op.

Bijna alle deelnemers vonden het determineren met beeldherkenning makkelijker en sneller dan met de zoekkaart. Het werken met de zoekkaart ervoeren zij als een actievere vorm, meer als een speurtocht, waarbij je meer leert over de kenmerken die soorten van elkaar onderscheiden.

Positieve ervaringen van de beeldherkenning waren het interactieve karakter ervan, de rijke informatie die beschikbaar is, en dat het makkelijker was om gemotiveerd te blijven. Wel ervoeren deelnemers dat je bij gebruik van beeldherkenning minder nadenkt en minder zicht hebt op welke andere dieren er nog meer zijn gevangen. Een aantal studenten vond dat je met de AI-functie minder goed zicht hebt op het proces van determineren.

Diverse studenten hebben ideeën geopperd voor verbetering. Zo zou de app bijvoorbeeld een mogelijkheid kunnen bieden om erachter te komen op grond van welke kenmerken een bepaalde soort wordt gesuggereerd. Dit komt in feite neer op het inzichtelijk maken van de determinatieroute. Dit kan een stimulans zijn voor het zelfstandig leren determineren. Een ander idee was bijvoorbeeld om de typische beweging van sommige soorten toe te voegen. Een aantal waterdieren heeft inderdaad een karakteristiek voortbewegingspatroon. Dat zou een extra hulpkenmerk kunnen zijn bij de determinaties.

Reflectie en conclusies

De test met eerstejaarsstudenten laat zien dat beeldherkenning helpt om waterdieren betrouwbaarder op naam te brengen. Het aandeel foutieve determinaties daalde van ongeveer één op de drie naar één op de zeven. Daarmee kan beeldherkenning een waardevolle bijdrage leveren aan de kwaliteit van waarnemingen binnen burgeronderzoek.

De studenten ervoeren de beeldherkenning bovendien als snel, gebruiksvriendelijk en interactief. Wel verandert de manier waarop gebruikers leren. Een traditionele determinatiesleutel stimuleert het stap voor stap analyseren van kenmerken en traint daarmee het determinatieproces. Beeldherkenning ondersteunt juist een vorm van visueel leren: gebruikers koppelen uiterlijke kenmerken aan soortnamen en krijgen direct feedback op hun waarneming. Daardoor nemen soortenkennis en herkenningsvaardigheden toe, terwijl het onderliggende determinatieproces minder wordt geoefend. Voor veel burgeronderzoekers is dat overigens geen nadeel; het belangrijkste doel is immers om tot een betrouwbare determinatie te komen.

De evaluatie leverde ook waardevolle verbeterpunten op. Zo zou een interactieve determinatiehulp gebruikers kunnen ondersteunen wanneer de beeldherkenning twijfelt of wanneer soorten sterk op elkaar lijken. Ook kunnen aanvullende foto's, kenmerkende eigenschappen of zelfs typische bewegingspatronen helpen bij het herkennen van lastig te determineren soorten. Zulke uitbreidingen maken de app niet alleen gebruiksvriendelijker, maar vergroten ook de educatieve waarde. Mits daarvoor budget beschikbaar komt, kunnen deze suggesties in een volgende versie van Waterdiertjes.nl worden opgenomen.

Dank

We bedanken hierbij heel graag de studenten die hebben bijgedragen aan het testen van de beeldherkenning.

Zelf meedoen

Wil je zelf meehelpen met burgeronderzoek naar waterdiertjes? Bekijk op Waterdiertjes.nl hoe je dat kunt doen.  

Tekst: Edwin Peeters, Wageningen University & Research & Jorne Grolleman, GLOBE Nederland
Beeld: Edwin Peeters (leadfoto: studenten verzamelen waterdieren); Waterdiertjes.nl