โมเดล AI ที่ช่วยระบุพืชต่างถิ่นบนเกาะอังกฤษ

นักวิทยาศาสตร์สิ่งแวดล้อมและนักวิจัยด้านปัญญาประดิษฐ์กำลังใช้ AI เพื่อต่อสู้กับพืชต่างถิ่นที่แพร่กระจายไปทั่วเกาะอังกฤษ นักวิจัยจาก ศูนย์นิเวศวิทยาและไฮโดรโลจีแห่งสหราชอาณาจักร (UKCEH) และเบอร์มิงแฮมได้พัฒนาโมเดล AI ที่มีจุดมุ่งหมายเพื่อสำรวจพื้นที่เช่นชายขอบถนนสำหรับการมีอยู่ของพืชต่างถิ่นต่างๆ รวมถึง Japanese knotweed

Japanese knotweed เป็นพืชต่างถิ่นที่สามารถทำลายภูมิทัศน์ธรรมชาติและอาคารต่างๆ ในเกาะอังกฤษได้ เนื่องจากสามารถทำลายรากฐานของอาคารได้ มักถือว่าเป็นพืชต่างถิ่นที่ทำลายล้างและก้าวร้าวที่สุดในเกาะอังกฤษ การกำจัด Japanese knotweed มักเป็นเรื่องที่ท้าทายเพราะมันยากที่จะค้นหาและระบุ นักวิจัย AI หวังว่าแอลกอริทึมการเรียนรู้ของเครื่องจะช่วยลดเวลาและทรัพยากรที่จำเป็นในการระบุ Japanese knotweed

ข้อมูลการฝึกอบรมสำหรับโมเดลถูกเก็บผ่านการใช้กล้องความเร็วสูงบนยอดรถยนต์ ซึ่งเก็บภาพของพืชพรรณประมาณ 120 ไมล์บนชายขอบถนน นักนิเวศวิทยาจะตรวจสอบภาพและติดฉลาก knotweed และภาพจะมีการติดแท็กที่ตั้ง GPS ภาพที่มีฉลากจะถูกใช้ในการฝึกโมเดลการมองเห็นของเครื่องจักรเพื่อระบุ Japanese knotweed Процессเดียวกันจะถูกใช้เพื่อระบุพืชต่างถิ่นอื่นๆ ที่พบในเกาะอังกฤษ เช่น Himalayan balsam และ rhododendrons ระบบจะถูกใช้ในการตรวจจับ ash trees ซึ่งเป็นพืชพื้นเมืองของเกาะอังกฤษ แต่กำลังตกอยู่ในความเสี่ยงจากการถูกทำลายโดยโรค

โมเดล AI จะถูกทดสอบตลอดระยะเวลา 10 เดือนของโครงการนำร่อง ทีมวิจัยระบุว่ามีความท้าทายที่ทีมต้อง克服 เช่น การรับประกันว่าภาพที่ถ่ายโดยกล้องมีคุณภาพที่สม่ำเสมอ และเมื่อมีพืชต่างถิ่นหลายชนิดในภาพเดียว พืชทั้งหมดจะถูกระบุอย่างถูกต้อง หากโครงการนำร่องสิ้นสุดลงด้วยผลลัพธ์ที่น่าหวัง มันอาจถูกปรับให้เหมาะสมสำหรับการใช้ในประเทศอื่นๆ ทั่วโลก ช่วยประเทศเหล่านั้นต่อสู้กับปัญหาพืชต่างถิ่นของตนเอง ดร. Tom August นักนิเวศวิทยาคอมพิวเตอร์จาก UKCEH กล่าวถึง The Next Web ว่า

“พืชต่างถิ่นมักจะเติบโตในทางเดิน ซึ่งเป็นเหตุผลที่เรามุ่งเน้นในการสำรวจชายขอบถนน ในฐานะนักนิเวศวิทยาคอมพิวเตอร์จาก UKCEH หากโครงการนำร่องประสบความสำเร็จ สิ่งนี้สามารถขยายได้ในประเทศอื่นๆ หรือสำหรับพืชต่างถิ่นอื่นๆ ของพืช ต้นไม้ หรือแม้กระทั่งแมลงและสัตว์”

ตามที่ August กล่าว โมเดล AI เปิดโอกาสมากมายสำหรับการเรียนรู้เกี่ยวกับโลกธรรมชาติและวิศวกรรมโซลูชันที่มีประสิทธิภาพและคุ้มค่าสำหรับพืชต่างถิ่น UKCEH ร่วมมือกับ Keen AI บริษัท AI ที่ตั้งอยู่ในเบอร์มิงแฮม ผู้ก่อตั้ง Keen AI Amjad Karim กล่าวถึง Science Focus ว่าการใช้โมเดล AI เพื่อวิเคราะห์ภาพและตรวจจับพืชต่างถิ่นสามารถช่วยลดค่าใช้จ่ายและให้ความปลอดภัยแก่เจ้าของที่ดิน หน่วยงานทางหลวง และผู้กำหนดนโยบาย วิธีการเก็บภาพชายขอบถนนในปัจจุบันต้องใช้ผู้สำรวจ และถนนจะถูกปิดชั่วคราวในขณะที่พวกเขาทำงาน

โครงการใหม่ที่ออกแบบโดย UKCEH และ Keen AI เป็นเพียงโครงการล่าสุดในแนวโน้มที่เพิ่มขึ้นซึ่งเห็นการประยุกต์ใช้ AI เพื่อต่อสู้กับพืชต่างถิ่น เมื่อปลายปีที่แล้ว นักวิจัย AI จาก Microsoft และ CSIRO ร่วมมือกัน เพื่อออกแบบโมเดล AI ที่สามารถระบุพืชต่างถิ่นที่เรียกว่า para grass ที่พบใน Kakadu National Park ในออสเตรเลีย para grass เป็นพืชที่เติบโตเร็วสามารถแพร่กระจายได้อย่างรวดเร็วและแทนที่พืชพื้นเมืองในพื้นที่ นักวิจัยใช้ภาพที่เก็บจากโดรน และเมื่อโมเดลถูกฝึกอบรมบนภาพที่มีฉลาก มันสามารถระบุ para grass ได้สำเร็จ ช่วยให้นักวิจัยสามารถกำจัดมันออกจากพื้นที่ชื้นที่อ่อนแอ สิ่งนี้ทำให้สามารถให้ magpie geese หลายพันตัวกลับมาที่พื้นที่ได้ อีกทีมหนึ่งของนักวิจัยจาก University of Alberta ใช้โมเดลการเรียนรู้ของเครื่องเพื่อ ออกแบบกลยุทธ์การปิดล้อมและการบรรเทา สำหรับพืชต่างถิ่นต่างๆ ในแคนาดา