Модели ИИ для помощи в выявлении инвазивных видов растений по всей Великобритании

Ученые-экологи и исследователи искусственного интеллекта используют ИИ для борьбы с инвазивными видами, распространяющимися по всей Великобритании. Исследователи из UK Centre for Ecology and Hydrology (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 фундамент зданий. Он часто считается одним из наиболее вредоносных 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 были собраны для модели 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 корень, и изображениям будет присвоена метка GPS. Помеченные изображения затем будут использованы для обучения модели компьютерного зрения для распознавания образцов японского корня. Аналогичный процесс будет использован для распознавания других видов инвазивных растений, встречающихся в Великобритании, таких как гималайский бальзам и рододендроны. Система также будет использоваться для обнаружения ольховых деревьев, которые являются родными для Великобритании, но находятся под угрозой уничтожения из-за заболевания.

Модель ИИ будет протестирована в течение 10-месячного пилотного проекта. Согласно исследовательской команде, существуют проблемы, которые необходимо преодолеть, такие как обеспечение того, чтобы изображения, снятые камерами, были постоянного 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 со своими 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”.

Согласно Огасту, 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 опросов, и дорога временно закрывается, пока они выполняют свою работу.

Новый проект, разработанный UKCEH и Keen AI, является лишь последним в растущей тенденции, которая заключается в применении ИИ для борьбы с инвазивными видами. В прошлом году исследователи ИИ из Microsoft и CSIRO объединились для разработки модели ИИ, которая может обнаружить инвазивный вид, называемый паровым травой, распространенным по всему национальному парку Какаду в Австралии. Паровое трава – 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 траву, позволяя исследователям удалить ее из уязвимых болот. Это привело к тому, что тысячи магpie geese 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.