Chytřejší fotoaparáty by mohly zachránit ohroženou zvěř

Obsah:

Chytřejší fotoaparáty by mohly zachránit ohroženou zvěř
Chytřejší fotoaparáty by mohly zachránit ohroženou zvěř
Anonim

Klíčové poznatky

  • Kamery poháněné umělou inteligencí dávají gabonským strážcům divoké zvěře nový nástroj v boji proti pytláctví.
  • Nový systém využívá strojové učení k analýze fotografií na zařízení v reálném čase k detekci zvířat a lidí.
  • Tato technologie pomáhá zlepšovat informace o pytláctví a souvisejících nezákonných sítích a pomáhá úřadům zasáhnout proti nezákonnému obchodu s volně žijícími a planě rostoucími druhy.
Image
Image

Kamery poháněné umělou inteligencí (AI) pomáhají chránit zvířata v rozsáhlých oblastech Afriky.

Kamery poskytují strážcům divoké zvěře Gabonu nový nástroj v boji proti pytláctví tím, že pořizují snímky narušitelů. Systémy mohou také monitorovat ztrátu biologické rozmanitosti počítáním počtu zvířat v oblasti.

„Běžné kamery se mohou aktivovat ‚mechanicky‘, když je něco spustí, například pohyb nebo zvuk,“řekl Lifewire expert na umělou inteligenci James Caton v e-mailovém rozhovoru. "Umělá inteligence zabudovaná ve fotoaparátu se může inteligentněji aktivovat, když v záběru projdou předměty zájmu - například člověk nebo pytlák versus los. Umělá inteligence dokáže rozlišovat mezi lidskými postavami a zvířecími postavami, například podle držení těla nebo velikosti."

Computing on the Edge

Díky umělé inteligenci jsou nové fotopasti vyvinuté skupinou Hack the Planet inteligentnější než předchozí modely. Systém využívá strojové učení k analýze fotografií v reálném čase na zařízení k detekci zvířat a lidí.

Pasti upozorní rangery, pokud je detekován pohyb slona, nosorožce nebo člověka. Systém je vybaven satelitním uplinkem a může fungovat kdekoli po celém světě, aniž by byl závislý na síti GSM nebo Wifi.

Výzkumník Robin Whytock z univerzity Stirling a tým výzkumníků testovali model umělé inteligence k analýze dat fotopastí. V případové studii použili klasifikované druhy středoafrických lesních savců a ptáků. A dokonce i s relativně malým datovým souborem 300 000 obrázků použitým k trénování modelu byl výsledek silný, uvedli výzkumníci v článku.

Výzkumníci uvedli, že strojový algoritmus je z 90 procent přesný a dokáže klasifikovat asi 4 000 snímků za hodinu na stolních počítačích používaných strážci parků a ekology v terénu, aniž by měli přístup k výkonným zdrojům cloud computingu. Systém umělé inteligence zkracuje čas potřebný k analýze tisíců snímků pastí z několika týdnů na jediný den.

Guarding the Trails

Další systém zvaný TrailGuard AI se používá jako bezpečnostní systém pro národní parky k odhalování, zastavování a zatýkání pytláků. Tato technologie pomáhá zlepšit zpravodajství o pytláctví a souvisejících nezákonných sítích a pomáhá úřadům zasáhnout proti nezákonnému obchodu s volně žijícími a planě rostoucími druhy.

Kamerová hlava TrailGuard AI, která je dostatečně malá na to, aby se skryla podél stezek, využívá umělou inteligenci k detekci lidí na snímcích a přenáší snímky obsahující lidi zpět do centrály parku prostřednictvím GSM, rádia s dlouhým dosahem nebo satelitních sítí. Technologie TrailGuard AI byla testována v terénu v rezervaci ve východní Africe, kde pomohla při zatčení třiceti pytláků a zabavení více než 1 300 lb. bushmeat.

"Umělá inteligence zabudovaná ve fotoaparátu se může aktivovat inteligentněji, když položky zájmu projdou rámem…"

Ochránci přírody těží z umělé inteligence běžící ve fotoaparátu spíše než v cloudu, protože největší zátěží pro výdrž baterie není provozování na čipu počítačového vidění ve fotoaparátu, ale přenos obrazu přes GSM nebo satelitní modem, Eric Dinerstein, ředitel WildTech ve skupině pro ochranu přírody RESOLVE, řekl Lifewire e-mailem.

Dinerstein řekl, že systém přesně odstraňuje falešné poplachy, když je kamera aktivována něčím jiným než pytlákem.

„Při našich nasazeních TrailGuard v terénu je až 95 % spouštěčů pohybového senzoru výsledkem falešných spouštění nebo falešných poplachů,“dodal Dinerstein. "Pouze 5 % jsou skuteční pytláci."

TrailGuard může šetřit baterii. Přenos tisíců falešně pozitivních snímků v průběhu několika týdnů vybíjí baterie. Odfiltrováním falešně pozitivních výsledků na okraji a přenosem pouze skutečně pozitivních nebo velmi malého počtu falešných pozitivních výsledků mohou baterie vydržet roky.

„Čip, který používáme, má také velmi nízkou spotřebu a naše zařízení je většinu své životnosti v režimu spánku nebo vypnuto,“řekl Dinerstein. "Výdrž baterie pro senzory ve vzdálených oblastech je kritická."

Image
Image

Monitorování divoké zvěře by mohlo být brzy ještě chytřejší. Výzkumníci pracují na programovatelné umělé inteligenci zabudované do fotoaparátů.

V současné době musí být snímky načteny z fotoaparátu a zpracovány v cloudu. Nové možnosti však uživatelům umožňují vytvářet přizpůsobené agenty AI a nasazovat je na kamery.

"Pokud například pytláci víte, že cestují v bílém autě nebo jeden z nich vždy nosí žlutou čepici, můžete tyto nové informace potenciálně aktualizovat z dálky," řekl Caton.

Doporučuje: