AI-modeller for å hjelpe med å identifisere invaderende plantearter over hele Storbritannia

Miljøforskere og kunstig intelligens-forskere bruker AI til å bekjempe en invaderende art som sprenger seg over Storbritannia. Forskere fra UK Centre for Ecology and Hydrology (UKCEH) og Birmingham har utviklet en AI-modell som er ment å undersøke områder som veiskuldrene for tilstedeværelsen av ulike invaderende arter, inkludert japansk knoteveed.

Japansk knoteveed er en invaderende art som kan skade naturlandskap og bygninger over hele Storbritannia, da den kan skade fundamentet til bygninger. Den regnes ofte som en av de mest skadelige og aggressive invaderende plantartene i Storbritannia. Å bli kvitt japansk knoteveed kan være vanskelig, fordi det er vanskelig å finne og identifisere. AI-forskere håper at maskinlæringsalgoritmer kan redusere tiden og ressursene som trengs for å identifisere japansk knoteveed.

Treningdata ble samlet inn for modellen gjennom bruk av høyhastighetskameraer plassert på toppen av kjøretøy, som samlet inn bilder av omtrent 120 miles med vegetasjon langs veiskuldrene. Økologer vil undersøke bildene og merke knoteveed, og bildene vil få GPS-lokasjonen merket. De merkte bildene vil deretter brukes til å trene en datavisjonsmodell til å gjenkjenne eksemplarer av japansk knoteveed. Samme prosess vil bli brukt til å gjenkjenne andre arter av invaderende planter funnet i Storbritannia, som himalayabalsam og rhododendron. Systemet vil også brukes til å detektere asketrær, som er naturlig forekommende i Storbritannia, men som er i fare for å bli utryddet av sykdom.

AI-modellen vil bli testet over en periode på 10 måneder. Forskningsgruppen sier at det finnes utfordringer som gruppen må overvinne, som å sikre at bildene tatt av kameraene er av konsekvent kvalitet og at når det er flere arter i ett enkelt bilde, alle arter blir korrekt identifisert. Hvis pilotprogrammet ender med å gi lovende resultater, kan det bli tilpasset for bruk i andre land rundt om i verden, og hjelpe disse landene med å bekjempe sine egne invaderende arter-problemer. Som komputasjonell økolog ved UKCEH, sa Dr. Tom August, ble ble sitert av The Next Web:

“Invasiv plantearter vokser ofte i korridorer, og det er derfor vi fokuserer på veiskuldre-undersøkelser som en komputasjonell økolog ved UKCEH. Hvis piloten er vellykket, kan dette bli skalert opp i andre land, eller for andre arter av planter, trær eller selv insekter og dyr.”

Ifølge August åpner AI-modellene opp mange muligheter for å lære om den naturlige verden og utvikle effektive, kostnadseffektive løsninger for invaderende arter. UKCEH samarbeider med Keen AI, et AI-selskap basert i Birmingham. Grunnleggeren av Keen AI, Amjad Karim, ble sitert av Science Focus som sagt at bruk av AI-modeller til å analysere bilder og detektere invaderende arter kan hjelpe med å redusere kostnader og gi sikkerhet til grunneiere, vegmyndigheter og politikere. Den primære metoden for å samle inn veiskuldre-bilder krever i øyeblikket at undersøkere lukker veien midlertidig 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 til å bekjempe invaderende arter. Forrige år samarbeidet AI-forskere fra Microsoft og CSIRO om å designe en AI-modell som kan en invaderende art kalt para-grass, funnet over hele Kakadu National Park i Australia. Para-grass er en raskt voksende ugras som kan spre seg raskt og fortrenger mange naturlige planter i et område. Forskerne brukte bilder samlet inn av droner, og når modellen var trent på de merkte bildene, kunne den suksessfullt identifisere para-grass, og tillote forskerne å fjerne den fra sårbare våtmarker. Dette hadde effekten av å tillate tusenvis av magpie-gæs å returnere til regionen. Enda et team av forskere fra New University of Alberta brukte maskinlæringsmodeller til å designe innhold og mitigasjonstrategier for ulike invaderende arter i Canada.