Моделі штучного інтелекту для ідентифікації інвазивних видів рослин у Великій Британії

Екологічні вчені та дослідники штучного інтелекту використовують штучний інтелект для боротьби з інвазивними видами, що поширюються по Великій Британії. Дослідники з Британського центру екології та гідрології (UKCEH) та Бірмінгема розробили модель штучного інтелекту, призначену для обстеження районів, таких як узбіччя доріг, на наявність різних інвазивних видів, включаючи японський корінь.

Японський корінь – це інвазивний вид, який може завдавати шкоди природним ландшафтам і будівлям по всій Великій Британії, оскільки він може пошкоджувати фундаменти будівель. Його часто вважають одним з найбільш шкідливих і агресивних інвазивних видів рослин у Великій Британії. Видалення японського кореня часто виявляється складним завданням, оскільки його складно знайти та ідентифікувати. Дослідники штучного інтелекту сподіваються, що алгоритми машинного навчання зможуть скоротити час і ресурси, необхідні для ідентифікації японського кореня.

Дані для навчання моделі були зібрані за допомогою високошвидкісних камер, встановлених на верху транспортних засобів, які зібрали зображення приблизно 120 миль рослинності узбіччя доріг. Екологи будуть вивчати зображення та маркувати японський корінь, а зображення будуть мати позначення їхнього місця розташування за допомогою системи GPS. Позначені зображення будуть використані для навчання моделі комп’ютерного зору для розпізнавання зразків японського кореня. Такий самий процес буде використаний для розпізнавання інших видів інвазивних рослин, що трапляються у Великій Британії, таких як гімалайський бальзам і рододендрони. Система також буде використовуватися для виявлення ясенів, які є рідними для Великій Британії, але знаходяться під загрозою знищення через захворювання.

Модель штучного інтелекту буде протестована протягом 10-місячного пілотного проекту. Команда дослідників зазначає, що перед ними стоять завдання, які потрібно подолати, такі як забезпечення того, щоб зображення, зроблені камерами, мали постійну якість, та те, що при наявності декількох видів у одному зображенні всі види будуть правильно ідентифіковані. Якщо пілотна програма дала обнадійливі результати, вона могла б бути адаптована для використання в інших країнах світу, допомагаючи їм боротися зі своїми власними проблемами інвазивних видів. Доктор Том Огаст, комп’ютерний еколог з UKCEH, як повідомляється, зазначив для The Next Web:

“Інвазивні види рослин зазвичай ростуть у коридорах, тому ми зосереджуємося на обстеженні узбіччя доріг. Якщо пілотний проект буде успішним, це можна буде масштабувати в інших країнах або для інших видів рослин, дерев або навіть комах і тварин”.

За словами Огаста, моделі штучного інтелекту відкривають багато можливостей для вивчення природного світу та розробки ефективних, економічно вигідних рішень для інвазивних видів. UKCEH співпрацює з Keen AI, компанією штучного інтелекту, базованою в Бірмінгемі. Засновник Keen AI, Амджад Карім, як повідомляється, зазначив для Science Focus, що використання моделей штучного інтелекту для аналізу зображень та виявлення інвазивних видів може допомогти скоротити витрати та забезпечити безпеку землевласникам, дорожнім агентствам та політикам. Основний метод збору зображень узбіччя доріг зараз вимагає обстежувачів, і дорога тимчасово закривається під час їхньої роботи.

Новий проект, розроблений UKCEH та Keen AI, є лише останнім у зростаючій тенденції застосування штучного інтелекту для боротьби з інвазивними видами. Наприкінці минулого року дослідники штучного інтелекту з Microsoft (MSFT ) та CSIRO спільно розробили модель штучного інтелекту, яка може виявити інвазивний вид, званий пара-тростником, поширений по національному парку Какаду в Австралії. Пара-тростник – це швидкорослий бур’ян, який може швидко поширюватися, витісняючи багато рідних рослин у регіоні. Дослідники використовували зображення, зібрані за допомогою дронів, і після того, як модель була навчена на позначених зображеннях, вона змогла успішно виявити пара-тростник, що дозволило дослідникам видалити його з уразливих боліт. Це мало ефект, який дозволив тисячам магпі-гусей повернутися до регіону. Інша команда дослідників з Нового університету Альберти використовувала моделі машинного навчання для розробки стратегій утримання та пом’якшення наслідків для різних інвазивних видів у Канаді.