KI-Modelle sollen invasive Pflanzenarten im gesamten Vereinigten Königreich identifizieren

Umweltwissenschaftler und KI-Forscher nutzen KI, um gegen eine invasive Art zu kämpfen, die sich im gesamten Vereinigten Königreich ausbreitet. Forscher vom UK Centre for Ecology and Hydrology (UKCEH) und Birmingham haben ein KI-Modell entwickelt, das darauf abzielt, Regionen wie Straßenränder auf das Vorhandensein verschiedener invasiver Arten zu untersuchen, einschließlich des Japanischen Staudenknöterichs.

Der Japanische Staudenknöterich ist eine invasive Art, die natürliche Landschaften und Gebäude im gesamten Vereinigten Königreich schädigen kann, da er in der Lage ist, die Fundamente von Gebäuden zu beschädigen. Er wird oft als eine der schädlichsten und aggressivsten invasiven Pflanzenarten im Vereinigten Königreich betrachtet. Die Beseitigung des Japanischen Staudenknöterichs ist oft schwierig, da es schwierig ist, ihn zu finden und zu identifizieren. KI-Forscher hoffen, dass die maschinellen Lernalgorithmen die Zeit und Ressourcen, die zur Identifizierung des Japanischen Staudenknöterichs benötigt werden, reduzieren können.

Die Trainingsdaten für das Modell wurden durch die Verwendung von Hochgeschwindigkeitskameras auf Fahrzeugen gesammelt, die Bilder von etwa 120 Meilen Vegetation am Straßenrand aufnahmen. Ökologen werden die Bilder untersuchen und den Staudenknöterich markieren, und die Bilder werden mit ihrem GPS-Standort versehen. Die markierten Bilder werden dann verwendet, um ein Computer-Vision-Modell zu trainieren, um Proben des Japanischen Staudenknöterichs zu erkennen. Der gleiche Prozess wird verwendet, um andere Arten invasiver Pflanzen im Vereinigten Königreich zu erkennen, wie den Himalaja-Balsam und Rhododendren. Das System wird auch verwendet, um Eschen zu erkennen, die im Vereinigten Königreich heimisch sind, aber von einer Krankheit bedroht sind.

Das KI-Modell wird im Rahmen eines 10-monatigen Pilotprojekts getestet. Das Forschungsteam sagt, dass es Herausforderungen gibt, die das Team überwinden muss, wie z. B. sicherzustellen, dass die von den Kameras aufgenommenen Bilder eine gleichbleibende Qualität haben und dass bei mehreren Arten in einem Bild alle Arten ordnungsgemäß identifiziert werden. Wenn das Pilotprogramm vielversprechende Ergebnisse liefert, könnte es für den Einsatz in anderen Ländern der Welt adaptiert werden, um diesen Ländern bei der Bekämpfung ihrer eigenen invasiven Artenprobleme zu helfen. Als computergestützter Ökologe bei UKCEH wurde Dr. Tom August von The Next Web zitiert:

“Invasive Pflanzenarten wachsen tendenziell in Korridoren, deshalb konzentrieren wir uns auf Straßenrand-Untersuchungen als computergestützter Ökologe bei UKCEH. Wenn das Pilotprojekt erfolgreich ist, kann dies in anderen Ländern oder für andere Pflanzenarten, Bäume oder sogar Insekten und Tiere skaliert werden.”

Laut August bieten KI-Modelle viele Möglichkeiten, um die natürliche Welt zu erforschen und effiziente, kostengünstige Lösungen für invasive Arten zu entwickeln. UKCEH arbeitet mit Keen AI, einem KI-Unternehmen mit Sitz in Birmingham, zusammen. Der Gründer von Keen AI, Amjad Karim, wurde von Science Focus zitiert, dass die Verwendung von KI-Modellen zur Analyse von Bildern und zur Erkennung invasiver Arten dazu beitragen kann, Kosten zu reduzieren und Sicherheit für Grundbesitzer, Straßenbehörden und politische Entscheidungsträger zu bieten. Die primäre Methode zur Erfassung von Straßenrandbildern erfordert derzeit Vermesser, und die Straße wird vorübergehend geschlossen, während sie ihre Arbeit erledigen.

Das neue Projekt, das von UKCEH und Keen AI entworfen wurde, ist nur das neueste in einer wachsenden Tendenz, die die Anwendung von KI zur Bekämpfung invasiver Arten sieht. Im letzten Jahr schlossen sich KI-Forscher von Microsoft und CSIRO zusammen, um ein KI-Modell zu entwerfen, das eine invasive Art namens Para-Gras erkennen kann, die in Kakadu National Park in Australien vorkommt. Para-Gras ist ein schnell wachsendes Unkraut, das sich schnell ausbreiten kann und viele heimische Pflanzen in einer Region verdrängen kann. Die Forscher verwendeten Bilder, die von Drohnen gesammelt wurden, und nachdem das Modell auf den markierten Bildern trainiert wurde, konnte es erfolgreich Para-Gras erkennen, was es den Forschern ermöglichte, es aus gefährdeten Feuchtgebieten zu entfernen. Dies hatte die Auswirkung, dass Tausende von Magpie-Gänsen in die Region zurückkehren konnten. Ein weiteres Team von Forschern der New University of Alberta verwendete maschinelle Lernalgorithmen, um Eindämmungs- und Bekämpfungsstrategien für verschiedene invasive Arten in Kanada zu entwerfen.