Модели ИИ для выявления инвазивных видов растений по всей Великобритании

Экологи и исследователи в области искусственного интеллекта используют ИИ для борьбы с инвазивными видами, распространяющимися по всей Великобритании. Исследователи из Центра экологии и гидрологии Великобритании (UKCEH) и Бирмингема разработали модель ИИ, предназначенную для обследования регионов, таких как обочины дорог, на присутствие различных инвазивных видов, включая японский корень.

Японский корень – это инвазивный вид, который может нанести ущерб природным ландшафтам и зданиям по всей Великобритании, поскольку он может повредить фундаменты зданий. Он часто считается одним из самых вредных и агрессивных инвазивных видов растений в Великобритании. Удаление японского корня часто оказывается сложной задачей, поскольку его трудно найти и идентифицировать. Исследователи ИИ надеются, что алгоритмы машинного обучения смогут сократить время и ресурсы, необходимые для выявления японского корня.

Данные для обучения модели были собраны с помощью высокоскоростных камер, установленных на верху транспортных средств, которые сняли изображения примерно 120 миль растительности на обочине дороги. Экологи будут изучать изображения и маркировать японский корень, и изображениям будет присвоена метка с координатами GPS. Помеченные изображения затем будут использоваться для обучения модели компьютерного зрения, чтобы распознавать образцы японского корня. Аналогичный процесс будет использоваться для распознавания других видов инвазивных растений, найденных в Великобритании, таких как гималайский бальзам и рододендроны. Система также будет использоваться для обнаружения ясеней, которые являются родными для Великобритании, но находятся под угрозой уничтожения из-за болезни.

Модель ИИ будет протестирована в течение 10-месячного пилотного проекта. Команда исследователей говорит, что есть проблемы, которые необходимо преодолеть, такие как обеспечение того, чтобы изображения, снятые камерами, были последовательного качества, и чтобы при наличии нескольких видов в одном изображении все виды были правильно идентифицированы. Если пилотная программа окажется успешной, она может быть адаптирована для использования в других странах мира, помогая этим странам бороться с их собственными проблемами инвазивных видов. Как вычислительный эколог в UKCEH, доктор Том Огаст цитируется The Next Web:

«Инвазивные виды растений, как правило, растут в коридорах, поэтому мы сосредоточены на обследованиях обочин дорог как вычислительный эколог в UKCEH. Если пилотный проект окажется успешным, это может быть масштабировано в других странах или для других видов растений, деревьев или даже насекомых и животных».

По словам Огаста, модели ИИ открывают многие возможности для изучения природного мира и разработки эффективных, экономически эффективных решений для инвазивных видов. UKCEH сотрудничает с Keen AI, компанией ИИ, базирующейся в Бирмингеме. Основатель Keen AI, Амджад Карим, цитируется Science Focus как сказавший, что использование моделей ИИ для анализа изображений и обнаружения инвазивных видов может помочь снизить затраты и обеспечить безопасность землевладельцев, дорожных агентств и политиков. Основной метод сбора изображений обочин дорог в настоящее время требует обследователей, и дорога временно закрывается, пока они выполняют свою работу.

Новый проект, разработанный UKCEH и Keen AI, является лишь последним в растущей тенденции применения ИИ для борьбы с инвазивными видами. В прошлом году исследователи ИИ из Microsoft (MSFT ) и CSIRO объединились для разработки модели ИИ, которая может обнаружить инвазивный вид, называемый паровым травой, найденный по всему национальному парку Какаду в Австралии. Паровое травяное растение – это быстро растущая сорняк, которая может быстро распространиться, быстро вытесняя многие родные растения в регионе. Исследователи использовали изображения, собранные с помощью дронов, и после того, как модель была обучена на помеченных изображениях, она смогла успешно идентифицировать паровое травяное растение, что позволило исследователям удалить его из уязвимых болот. Это привело к тому, что тысячи магpie гусей вернулись в регион. Другая команда исследователей из Нового университета Альберты использовала модели машинного обучения для разработки стратегий сдерживания и смягчения для различных инвазивных видов в Канаде.