AI-modeller for å identifisere invasive plantearter over hele Storbritannia

Miljøforskere og forskere innen kunstig intelligens bruker AI for å bekjempe en invasiv art som sprer seg over hele Storbritannia. Forskere fra UK Centre for Ecology and Hydrology (UKCEH) og Birmingham har utviklet en AI-modell beregnet på å kartlegge regioner som veikanter for tilstedeværelsen av ulike invasive arter, inkludert japansk knotweed.

Japansk knotweed er en invasiv art som kan gjøre skade på naturlige landskap og bygninger rundt om i Storbritannia, siden den er i stand til å skade fundamentene til bygninger. Det regnes ofte som en av de mest skadelige og aggressive invasive planteartene i Storbritannia. Å bli kvitt japansk knotweed viser seg ofte å være utfordrende fordi det viser seg å være utfordrende å finne og identifisere. AI-forskere håper at maskinlæringsalgoritmene kan kutte ned på tiden og ressursene som trengs for å identifisere japansk knotweed.

Treningsdata ble samlet inn for modellen ved bruk av høyhastighetskameraer plassert på toppen av kjøretøy, som samlet inn bilder av omtrent 120 mil med vegetasjon i veikanten. Økologer vil undersøke bildene og merke knotweeden, og bildene vil merkes med GPS-posisjonen. De merkede bildene vil deretter bli brukt til å trene en datasynsmodell til å gjenkjenne prøver av japansk knotweed. Den samme prosessen vil bli brukt til å gjenkjenne andre arter av invasive planter som finnes i Storbritannia, som Himalaya-balsam og rhododendron. Systemet vil også bli brukt til å oppdage asketrær, som er hjemmehørende i Storbritannia, men som står i fare for å bli ødelagt av sykdom.

AI-modellen vil bli testet i løpet av et 10-måneders pilotprosjekt. Forskerteamet sier at det er utfordringer som teamet må overvinne, for eksempel å være sikker på at bildene tatt av kameraene er av jevn kvalitet og at når det er flere arter i ett enkelt bilde, er alle arter riktig identifisert. Hvis pilotprogrammet ender opp med å levere lovende resultater, kan det ende opp med å bli tilpasset for bruk i andre land rundt om i verden, og hjelpe disse landene med å kjempe mot sine egne problemer med invasive arter. Som beregningsøkolog ved UKCEH, Dr. Tom August, ble sitert av The Next Web:

"Invasive plantearter har en tendens til å vokse i korridorer, og det er derfor vi fokuserer på veikantundersøkelser, en beregningsøkolog ved UKCEH. Hvis piloten lykkes, kan dette oppskaleres i andre land, eller for andre arter av planter, trær eller til og med insekter og dyr.»

Ifølge August åpner AI-modeller for mange muligheter for å lære om den naturlige verden og utvikle effektive, kostnadseffektive løsninger for invasive arter. UKCEH samarbeider med Keen AI, et AI-selskap med base i Birmingham. Grunnleggeren av Keen AI, Amjad Karim, ble sitert av Science Focus for å si at bruken av AI-modeller for å analysere bilder og oppdage invasive arter kan bidra til å redusere kostnadene og gi sikkerhet til grunneiere, motorveibyråer og beslutningstakere. Den primære metoden for å samle veikantbilder krever for tiden landmålere, og den veien er midlertidig stengt mens de fullfører arbeidet.

Det nye prosjektet designet av UKCEH og Keen AI er bare det siste i en voksende trend som ser på bruken av AI for å bekjempe invasive arter. Sent i fjor slo AI-forskere fra Microsoft og CSIRO seg sammen å designe en AI-modell som kan en invasiv art kalt paragress, som finnes i hele Kakadu nasjonalpark i Australia. Paragress er et raskt voksende ugress som kan spre seg raskt, og raskt fortrenger mange innfødte planter i en region. Forskerne brukte bilder samlet av droner, og når modellen ble trent på de merkede bildene, var den i stand til å identifisere paragress, slik at forskerne kunne fjerne det fra sårbare våtmarker. Dette førte til at tusenvis av skjæregjess kunne komme tilbake til regionen. Nok et team av forskere fra New University of Alberta brukte maskinlæringsmodeller for å utforme inneslutnings- og avbøtningsstrategier for ulike invasive arter i Canada.