太难找!澳红外无人机+AI数考拉,机器学习终战胜误报

Tech Republic网站12月23日报道称,许多研究人员正在利用大量技术手段来帮助野生动物和土地的保护,包括用面部识别跟踪加拿大西部的熊、通过深度学习预测美国的野火……而在澳大利亚,昆士兰科技大学(QUT)的研究小组正在利用人工智能(AI)、无人机、热成像和机器学习(ML)等技术探测和保护考拉。

太难找!澳红外无人机+AI数考拉,机器学习终战胜误报

Sandra Johnson, QUT statistician and Grant Hamilton, QUT Statistical Ecologist at Pimpama, with the AV’s used to survey koala numbers in the Gold Coast, Tweed and Logan areas. 据介绍,考拉面临着从毛皮贸易到栖息地丧失的无数生存威胁,近年来气候变化的影响更加剧了其物种的脆弱性。

据估计,在2019年至2020年间,超过5000只考拉死于澳大利亚的森林大火。

新南威尔士州(NSW)立法委员会断定,若没有适当保护,本世纪中叶考拉可能在该州灭绝。

该项目负责人、昆士兰理工大学生态学副教授格兰特·汉密尔顿(Grant Hamilton)说,考拉是澳大利亚的标志性动物,在世界上其他地方都没有。

他们需要了解丛林中到底有多少考拉,但他们并不知道,因为它们很难找。

汉密尔顿介绍,研究人员们尝试了多种办法去计算考拉的数量,包括声学检测、在狗的帮助下数粪便……但最准确的办法还是让一组人走到树下采样,然后单独计算每棵树上的考拉数量。

不过,这种劳动密集型的“脚踏实地”的方法仍然忽略了许多野外活动的考拉,研究表明专家们实际只能数出一个区域里大约四分之三的考拉。

为了提高计算考拉数量的效率和准确度,汉密尔顿和他的团队开发了一种使用无人机、热成像仪和人工智能的方法。

不过,因为考拉们不像树袋熊那样坐在树顶上,而是栖息在复杂的三维空间,这也面临了不少挑战。

太难找!澳红外无人机+AI数考拉,机器学习终战胜误报

研究小组开发了机器学习算法来帮助筛选识别无人机收集的热图像,但汉密尔顿说,一开始就有各种误报,它会把袋鼠、人、甚至热的汽车引擎当做考拉。

又因为考拉太过小众,团队没有找到能够支撑算法识别出考拉的高质量图形数据库。

汉密尔顿说,“互联网上有十亿张猫的图片,所以如果你想训练一个机器学习算法来寻找猫是没问题的。(但)从无人机上拍摄的考拉热图像并不多” 好在,问题还是解决了。

汉密尔顿说,他们可以先训练算法针对动物,然后微调它针对考拉。

最后只需要几百张照片就够了。

他还称,经过广泛的训练和发展,人工智能现在比人工能更准确地识别考拉,速度也更快。

一个4人小组一天可以覆盖大约10公顷的土地,而无人机+人工智能2小时即可数完50公顷。

展望未来,汉密尔顿表示,该团队正在致力于近实时地处理数据与多物种检测。

后者将能使一种算法可检测“多个感兴趣的动物”,而不是将每次调查局限于单个物种。

太难找!澳红外无人机+AI数考拉,机器学习终战胜误报

发布者:afndaily,转载请注明出处:www.afndaily.com

(0)
afndaily的头像afndaily
上一篇 2020年12月26日
下一篇 2020年12月26日

相关推荐

发表回复

登录后才能评论
澳洲财经新闻 | 澳洲财经见闻 - 用资讯创造财富