KI-Modelle helfen bei der Identifizierung invasiver Pflanzenarten im gesamten Vereinigten Königreich

Umweltwissenschaftler und Forscher im Bereich der künstlichen Intelligenz nutzen KI, um eine invasive Art zu bekämpfen, die sich in ganz Großbritannien ausbreitet. Forscher aus das britische Zentrum für Ökologie und Hydrologie (UKCEH) und Birmingham haben ein KI-Modell entwickelt, mit dem Regionen wie Straßenränder untersucht werden sollen das Vorhandensein verschiedener invasiver Arten, einschließlich japanischer Staudenknöterich.

Japanischer Staudenknöterich ist eine invasive Art, die Naturlandschaften und Gebäude im gesamten Vereinigten Königreich schädigen kann, da sie die Fundamente von Gebäuden beschädigen kann. Sie wird oft als eine der schädlichsten und aggressivsten invasiven Pflanzenarten im Vereinigten Königreich angesehen. Den japanischen Staudenknöterich loszuwerden, erweist sich oft als schwierig, da es schwierig ist, ihn zu finden und zu identifizieren. KI-Forscher hoffen, dass die maschinellen Lernalgorithmen den Zeit- und Ressourcenaufwand für die Identifizierung des Japanknöterichs reduzieren können.

Trainingsdaten für das Modell wurden mithilfe von Hochgeschwindigkeitskameras gesammelt, die auf dem Dach von Fahrzeugen angebracht waren und Bilder von etwa 120 Meilen Vegetation am Straßenrand sammelten. Ökologen werden die Bilder untersuchen und den Staudenknöterich beschriften, und die Bilder werden mit ihrem GPS-Standort versehen. Die beschrifteten Bilder werden dann verwendet, um ein Computer-Vision-Modell zu trainieren, um Proben von Japanknöterich zu erkennen. Das gleiche Verfahren wird zur Erkennung anderer im Vereinigten Königreich vorkommender invasiver Pflanzenarten wie Himalaya-Balsam und Rhododendren eingesetzt. Das System wird auch zur Erkennung von Eschen verwendet, die im Vereinigten Königreich heimisch sind, aber durch Krankheiten dezimiert werden könnten.

Das KI-Modell wird im Rahmen eines 10-monatigen Pilotprojekts getestet. Das Forschungsteam gibt an, dass es einige Herausforderungen bewältigen muss, etwa sicherzustellen, dass die von den Kameras aufgenommenen Bilder eine gleichbleibende Qualität haben und dass bei mehreren Arten in einem einzigen Bild alle Arten ordnungsgemäß identifiziert werden. Wenn das Pilotprogramm vielversprechende Ergebnisse liefert, könnte es schließlich für den Einsatz in anderen Ländern rund um den Globus angepasst werden, um diesen Ländern bei der Bekämpfung ihrer eigenen Probleme mit invasiven Arten zu helfen. Als Computerökologe am UKCEH ist Dr. Tom August, wurde von The Next Web zitiert:

„Invasive Pflanzenarten neigen dazu, in Korridoren zu wachsen, weshalb wir uns auf Straßenranduntersuchungen konzentrieren, ein Computerökologe am UKCEH. Wenn das Pilotprojekt erfolgreich ist, könnte es auf andere Länder oder auf andere Pflanzen-, Baum- oder sogar Insekten- und Tierarten ausgeweitet werden.“

Laut August eröffnen KI-Modelle viele Möglichkeiten, etwas über die Natur zu lernen und effiziente, kostengünstige Lösungen für invasive Arten zu entwickeln. UKCEH arbeitet mit Keen AI zusammen, einem KI-Unternehmen mit Sitz in Birmingham. Der Gründer von Keen AI, Amjad Karim, wurde von Science Focus mit den Worten zitiert, dass der Einsatz von KI-Modellen zur Analyse von Bildern und zur Erkennung invasiver Arten dazu beitragen kann, Kosten zu senken und Landbesitzern, Straßenbehörden und politischen Entscheidungsträgern Sicherheit zu bieten. Die primäre Methode zum Sammeln von Straßenrandbildern erfordert derzeit Vermesser, und diese Straße ist vorübergehend gesperrt, während sie ihre Arbeit abschließen.

Das neue Projekt von UKCEH und Keen AI ist nur das Neueste in einem wachsenden Trend, der den Einsatz von KI zur Bekämpfung invasiver Arten vorsieht. Ende letzten Jahres haben sich KI-Forscher von Microsoft und CSIRO zusammengeschlossen ein KI-Modell zu entwerfen Das kann eine invasive Art namens Paragras sein, die im gesamten Kakadu-Nationalpark in Australien vorkommt. Paragras ist ein schnell wachsendes Unkraut, das sich schnell ausbreiten kann und viele einheimische Pflanzen in einer Region schnell verdrängen kann. Die Forscher verwendeten Bilder, die von Drohnen gesammelt wurden, und nachdem das Modell anhand der beschrifteten Bilder trainiert worden war, konnte es Paragrass erfolgreich identifizieren, sodass die Forscher es aus gefährdeten Feuchtgebieten entfernen konnten. Dies hatte zur Folge, dass Tausende Elstergänse in die Region zurückkehren konnten. Ein weiteres Forscherteam der New University of Alberta nutzte dazu Modelle des maschinellen Lernens Entwerfen von Eindämmungs- und Schadensbegrenzungsstrategien für verschiedene invasive Arten in Kanada.