QQ在線
企業微信
資訊
358國外Tech Republic網站12月23日報道稱，許多研究人員正在利用大量技術手段來幫助野生動物和土地的保護，包括用面部識別跟蹤加拿大西部的熊、通過深度學習預測美國的野火……而在澳大利亞，昆士蘭科技大學（QUT）的研究小組正在利用人工智能（AI）、無人機、熱成像和機器學習（ML）等技術探測和保護考拉。
據介紹，考拉面臨著從毛皮貿易到棲息地喪失的無數生存威脅，近年來氣候變化的影響更加劇了其物種的脆弱性。據估計，在2019年至2020年間，超過5000只考拉死于澳大利亞的森林大火。新南威爾士州(NSW)立法委員會斷定，若沒有適當保護，本世紀中葉考拉可能在該州滅絕。
該項目負責人、昆士蘭理工大學生態學副教授格蘭特·漢密爾頓(Grant Hamilton)說，考拉是澳大利亞的標志性動物，在世界上其他地方都沒有。他們需要了解叢林中到底有多少考拉，但他們并不知道，因為它們很難找。
漢密爾頓介紹，研究人員們嘗試了多種辦法去計算考拉的數量，包括聲學檢測、在狗的幫助下數糞便……但最準確的辦法還是讓一組人走到樹下采樣，然后單獨計算每棵樹上的考拉數量。不過，這種勞動密集型的“腳踏實地”的方法仍然忽略了許多野外活動的考拉，研究表明專家們實際只能數出一個區域里大約四分之三的考拉。
為了提高計算考拉數量的效率和準確度，漢密爾頓和他的團隊開發了一種使用無人機、熱成像儀和人工智能的方法。不過，因為考拉們不像樹袋熊那樣坐在樹頂上，而是棲息在復雜的三維空間，這也面臨了不少挑戰。
研究小組開發了機器學習算法來幫助篩選識別無人機收集的熱圖像，但漢密爾頓說，一開始就有各種誤報，它會把袋鼠、人、甚至熱的汽車引擎當做考拉。又因為考拉太過小眾，團隊沒有找到能夠支撐算法識別出考拉的高質量圖形數據庫。漢密爾頓說，“互聯網上有十億張貓的圖片，所以如果你想訓練一個機器學習算法來尋找貓是沒問題的。（但）從無人機上拍攝的考拉熱圖像并不多”
好在，問題還是解決了。漢密爾頓說，他們可以先訓練算法針對動物，然后微調它針對考拉。最后只需要幾百張照片就夠了。他還稱，經過廣泛的訓練和發展，人工智能現在比人工能更準確地識別考拉，速度也更快。一個4人小組一天可以覆蓋大約10公頃的土地，而無人機+人工智能2小時即可數完50公頃。
展望未來，漢密爾頓表示，該團隊正在致力于近實時地處理數據與多物種檢測。后者將能使一種算法可檢測“多個感興趣的動物”，而不是將每次調查局限于單個物種。
