AI-modeller för att identifiera invasiva arter av växter i hela Storbritannien

Miljöforskare och artificiell intelligens-forskare använder AI för att bekämpa en invasiv art som sprider sig över hela Storbritannien. Forskare från Storbritanniens centrum för ekologi och hydrologi (UKCEH) och Birmingham har utvecklat en AI-modell som syftar till att undersöka områden som vägkanter för närvaron av olika invasiva arter, inklusive japanskt knotweed.

Japanskt knotweed är en invasiv art som kan skada naturliga landskap och byggnader i hela Storbritannien, eftersom det kan skada byggnaders grund. Det anses ofta vara en av de mest skadliga och aggressiva invasiva växtarterna i Storbritannien. Att bli av med japanskt knotweed visar sig ofta vara svårt, eftersom det är svårt att hitta och identifiera. AI-forskare hoppas att maskinlärningsalgoritmerna kan minska den tid och de resurser som behövs för att identifiera japanskt knotweed.

Träningsdata samlades in för modellen genom att använda höghastighetskameror placerade på toppen av fordon, som samlade in bilder av cirka 120 miles av vegetation längs vägkanterna. Ekologer kommer att undersöka bilderna och märka knotweed, och bilderna kommer att ha sin GPS-placering märkt. De märkta bilderna kommer sedan att användas för att träna en datorseende-modell för att känna igen prover av japanskt knotweed. Samma process kommer att användas för att känna igen andra arter av invasiva växter som finns i Storbritannien, såsom himalajabalsam och rododendron. Systemet kommer också att användas för att upptäcka askträd, som är infödda i Storbritannien men är i riskzonen att utrotas av sjukdom.

AI-modellen kommer att testas under en 10-månaders pilotprojekt. Forskningsgruppen säger att det finns utmaningar som gruppen måste övervinna, såsom att säkerställa att bilderna som tas av kamerorna är av konsekvent kvalitet och att när det finns flera arter i en enda bild alla arter identifieras korrekt. Om pilotprogrammet visar sig vara framgångsrikt, kan det komma att anpassas för användning i andra länder runt om i världen, vilket kan hjälpa dessa länder att bekämpa sina egna problem med invasiva arter. Som beräknings ekolog vid UKCEH, citerades Dr. Tom August av The Next Web som säger:

“Invasiva växtarter tenderar att växa i korridorer, vilket är varför vi fokuserar på vägkantsundersökningar som en beräknings ekolog vid UKCEH. Om piloten är framgångsrik, kan detta skalas upp i andra länder, eller för andra arter av växter, träd eller till och med insekter och djur.”

Enligt August, öppnar AI-modeller upp många möjligheter för att lära sig om den naturliga världen och utveckla effektiva, kostnadseffektiva lösningar för invasiva arter. UKCEH samarbetar med Keen AI, ett AI-företag baserat i Birmingham. Keen AI:s grundare, Amjad Karim, citerades av Science Focus som sägande att användningen av AI-modeller för att analysera bilder och upptäcka invasiva arter kan hjälpa till att minska kostnaderna och ge säkerhet åt markägare, vägmyndigheter och beslutsfattare. Den primära metoden för att samla in vägkantsbilder kräver för närvarande undersökare, och vägen stängs tillfälligt medan de slutför sitt arbete.

Det nya projektet som utvecklats av UKCEH och Keen AI är bara den senaste i en växande trend som ser tillämpningen av AI för att bekämpa invasiva arter. I slutet av förra året, gick AI-forskare från Microsoft (MSFT ) och CSIRO samman för att utveckla en AI-modell som kan identifiera en invasiv art som kallas para-gräs, som finns i Kakadu National Park i Australien. Para-gräs är en snabbväxande ört som kan sprida sig snabbt och snabbt ersätta många infödda växter i ett område. Forskarna använde bilder som samlades in av drönare, och när modellen var tränad på de märkta bilderna, kunde den framgångsrikt identifiera para-gräs, vilket möjliggjorde för forskarna att ta bort det från sårbara våtmarker. Detta hade effekten att tillåta tusentals magpie-gäss att återvända till området. En annan grupp av forskare från New University of Alberta använde maskinlärningsmodeller för att utveckla innehålls- och mitigationsstrategier för olika invasiva arter i Kanada.