Modele AI pomagające w identyfikacji inwazyjnych gatunków roślin w całym UK

Naukowcy zajmujący się ochroną środowiska i badaczami sztucznej inteligencji wykorzystują AI do walki z inwazyjnymi gatunkami rozprzestrzeniającymi się w Wielkiej Brytanii. Naukowcy z brytyjskiego Centrum Ekologii i Hydrologii (UKCEH) i Birmingham opracowali model AI, który ma na celu przeprowadzenie badań w regionach takich jak pobocza dróg w poszukiwaniu obecności różnych inwazyjnych gatunków, w tym japońskiego knotweedu.

Japoński knotweed to inwazyjny gatunek, który może powodować szkody w krajobrazach naturalnych i budynkach w Wielkiej Brytanii, ponieważ może uszkadzać fundamenty budynków. Często uważany jest za jeden z najbardziej szkodliwych i agresywnych inwazyjnych gatunków roślin w Wielkiej Brytanii. Usuwanie japońskiego knotweedu często okazuje się trudne, ponieważ trudno go znaleźć i zidentyfikować. Badacze AI mają nadzieję, że algorytmy machine learning mogą skrócić czas i zasoby potrzebne do identyfikacji japońskiego knotweedu.

Dane szkoleniowe dla modelu zostały zebrane za pomocą kamer umieszczonych na górze pojazdów, które zebrały obrazy około 120 mil roślinności przydrożnej. Ekolodzy będą analizować obrazy i oznaczać knotweed, a obrazy będą miały oznaczone ich położenie GPS. Oznaczone obrazy będą następnie wykorzystane do szkolenia modelu komputerowego do rozpoznawania próbek japońskiego knotweedu. Ten sam proces będzie wykorzystany do rozpoznawania innych gatunków inwazyjnych roślin występujących w Wielkiej Brytanii, takich jak himalajski balsam i rododendrony. System będzie również wykorzystywany do wykrywania jesionów, które są rodzime dla Wielkiej Brytanii, ale są narażone na zniszczenie przez choroby.

Model AI będzie testowany w ramach 10-miesięcznego pilotażowego projektu. Zespół badawczy twierdzi, że istnieją wyzwania, które muszą być pokonane, takie jak upewnienie się, że obrazy przechwycone przez kamery są o stałej jakości i że gdy w jednym obrazie występuje wiele gatunków, wszystkie gatunki są właściwie identyfikowane. Jeśli program pilotażowy przyniesie obiecujące wyniki, może on zostać zaadaptowany do użycia w innych krajach na świecie, pomagając tym krajom w walce z własnymi problemami inwazyjnych gatunków. Jak mówi dr Tom August, komputeryjny ekolog w UKCEH, cytowany przez The Next Web:

„Inwazyjne gatunki roślin tendencję do wzrostu w korytarzach, dlatego koncentrujemy się na badaniach przydrożnych jako komputeryjny ekolog w UKCEH. Jeśli pilot jest udany, może on zostać skalibowany w innych krajach lub dla innych gatunków roślin, drzew lub nawet owadów i zwierząt”.

Według Augusta, modele AI otwierają wiele możliwości dla nauki o świecie naturalnym i opracowywania efektywnych, ekonomicznych rozwiązań dla inwazyjnych gatunków. UKCEH współpracuje z Keen AI, firmą AI z siedzibą w Birmingham. Założyciel Keen AI, Amjad Karim, został cytowany przez Science Focus, mówiąc, że wykorzystanie modeli AI do analizy obrazów i wykrywania inwazyjnych gatunków może pomóc w redukcji kosztów i zapewnieniu bezpieczeństwa właścicielom ziem, agencjom drogowym i decydentom. Główną metodą gromadzenia obrazów przydrożnych jest obecnie wymagana od surveyorów, a droga jest tymczasowo zamknięta, podczas gdy wykonują swoją pracę.

Nowy projekt opracowany przez UKCEH i Keen AI jest tylko najnowszym w rosnącej tendencji, w której wykorzystuje się AI do walki z inwazyjnymi gatunkami. W zeszłym roku badacze AI z Microsoftu i CSIRO połączyli się aby opracować model AI, który może identyfikować inwazyjny gatunek zwanym para trawą, występującym w Kakadu National Park w Australii. Para trawa to szybko rosnąca trawa, która może szybko rozprzestrzeniać się, wypierając wiele rodzimych roślin w regionie. Badacze wykorzystali obrazy zebrane przez drony, a po tym, jak model został wyszkolony na oznaczonych obrazach, był w stanie pomyślnie identyfikować para trawę, umożliwiając badaczom usunięcie jej z wrażliwych terenów podmokłych. To miało efekt pozwolenia na powrót tysiącom gęsi magpi do regionu. Inny zespół badaczy z Nowego Uniwersytetu Alberty wykorzystał modele machine learning do opracowania strategii zawierania i łagodzenia dla różnych inwazyjnych gatunków w Kanadzie.