AI-modeller til at hjælpe med at identificere invasive plantearter på tværs af Storbritannien

Miljøforskere og kunstig intelligens-forskere bruger AI til at bekæmpe en invasiv art, der breder sig over Storbritannien. Forskere fra det britiske center for økologi og hydrologi (UKCEH) og Birmingham har udviklet en AI-model, der er beregnet til at undersøge områder som vejsider for tilstedeværelsen af forskellige invasive arter, herunder japansk knudeved.

Japansk knudeved er en invasiv art, der kan skade naturlige landskaber og bygninger i Storbritannien, da den kan skade bygningers fundament. Den anses ofte for at være en af de mest skadelige og aggressive invasive plantearter i Storbritannien. At få rid af japansk knudeved kan være svært, da det kan være svært at finde og identificere. AI-forskere håber, at maskinelæringsalgoritmerne kan reducere den tid og de ressourcer, der er nødvendige for at identificere japansk knudeved.

Træningsdata til modellen blev indsamlet ved hjælp af højhastighedskameraer, der var placeret på toppen af køretøjer, der indsamlede billeder af ca. 120 miles af vegetation langs vejsiderne. Økologer vil undersøge billederne og mærke knudeveden, og billederne vil få deres GPS-position mærket. De mærkede billeder vil derefter blive brugt til at træne en computer-vision-model til at genkende eksempler på japansk knudeved. Samme proces vil blive brugt til at genkende andre arter af invasive planter, der findes i Storbritannien, såsom Himalaya-balsam og rhododendron. Systemet vil også blive brugt til at registrere asketræer, der er naturligt forekommende i Storbritannien, men er i fare for at blive udryddet af sygdom.

AI-modellen vil blive testet over en periode på 10 måneder. Forskningsholdet siger, at der er udfordringer, som holdet skal overvinde, såsom at sikre, at billederne, der er optaget af kameraerne, er af konstant kvalitet, og at når der er multiple arter i et enkelt billede, alle arter korrekt identificeres. Hvis pilotprogrammet viser lovende resultater, kan det muligvis blive tilpasset til brug i andre lande rundt om i verden, hvilket kan hjælpe disse lande med at bekæmpe deres egne invasive arter-problemer. Som computationsøkolog ved UKCEH, citeredes Dr. Tom August af The Next Web:

“Invasive plantearter tenderer til at vokse i korridorer, hvilket er hvorfor vi fokuserer på vejside-undersøgelser som en computationsøkolog ved UKCEH. Hvis piloten er succesfuld, kan dette muligvis blive opskaleret i andre lande eller for andre arter af planter, træer eller endda insekter og dyr.”

Ifølge August åbner AI-modeller mange muligheder for at lære om den naturlige verden og udvikle effektive, omkostningseffektive løsninger til invasive arter. UKCEH samarbejder med Keen AI, et AI-selskab baseret i Birmingham. Grundlæggeren af Keen AI, Amjad Karim, blev citeret af Science Focus som siger, at brugen af AI-modeller til at analysere billeder og registrere invasive arter kan hjælpe med at reducere omkostningerne og give sikkerhed for jordejere, vejmyndigheder og politikere. Den primære metode til at indsamle vejside-billeder kræver i øjeblikket, at undersøgere lukker vejen midlertidigt, mens de udfører deres arbejde.

Det nye projekt, designet af UKCEH og Keen AI, er blot det seneste i en voksende tendens, der ser anvendelsen af AI til at bekæmpe invasive arter. Sidste år samarbejdede AI-forskere fra Microsoft (MSFT ) og CSIRO om at designe en AI-model, der kan registrere en invasiv art kaldet para-græs, der findes i Kakadu National Park i Australien. Para-græs er en hurtigtvoksende ukrudt, der kan sprede sig hurtigt og fortrænge mange naturlige planter i et område. Forskerne brugte billeder, der var indsamlet af droner, og når modellen var trænet på de mærkede billeder, kunne den med held registrere para-græs, hvilket gjorde det muligt for forskerne at fjerne det fra sårbare vådområder. Dette havde effekten af at tillade tusinder af magpie-gæs at vende tilbage til området. Endnu et hold af forskere fra New University of Alberta brugte maskinelæringsmodeller til at designe indholdnings- og begrænsningsstrategier for forskellige invasive arter i Canada.