英国使用 AI 模型帮助识别入侵性植物物种

环境科学家和人工智能研究人员正在利用人工智能来对抗英国传播的入侵性物种。来自 英国生态和水文中心（UKCEH） 和伯明翰的研究人员开发了一个人工智能模型，旨在调查诸如路边等区域的入侵性物种的存在，包括 日本结weed。

日本结weed 是一种入侵性物种，可以对英国的自然景观和建筑造成损害，因为它可以损害建筑物的基础。它经常被认为是英国最具破坏性和侵略性的入侵植物物种之一。消除日本结weed 通常很困难，因为它很难找到和识别。人工智能研究人员希望机器学习算法可以减少识别日本结weed 所需的时间和资源。

训练数据是通过在车辆上安装高速摄像头来收集的，收集了大约 120 英里的路边植被图像。生态学家将检查图像并标记结weed，图像将具有 GPS 位置标签。标记的图像将用于训练计算机视觉模型来识别日本结weed 样本。同样的过程将用于识别英国其他入侵植物物种，例如喜马拉雅 balsam 和杜鹃花。该系统还将用于检测白蜡树，它们是英国本土的，但有可能被疾病摧毁。

人工智能模型将在为期 10 个月的试点项目中进行测试。研究团队表示，需要克服一些挑战，例如确保摄像头捕捉的图像质量一致，当单个图像中有多个物种时，所有物种都必须正确识别。如果试点计划最终带来有希望的结果，它可能会被适应用于世界其他国家，帮助这些国家解决自己的入侵物种问题。作为 UKCEH 的计算生态学家，汤姆·奥古斯特博士 被 The Next Web 引用：

“入侵植物物种往往在走廊中生长，这就是为什么我们专注于路边调查的原因。计算生态学家在 UKCEH。如果试点成功，这可以在其他国家或其他植物、树木甚至昆虫和动物中扩大规模。”

根据奥古斯特的说法，人工智能模型为学习自然世界和开发高效、成本有效的入侵物种解决方案打开了许多可能性。UKCEH 正在与伯明翰的 AI 公司 Keen AI 合作。Keen AI 的创始人 Amjad Karim 被 Science Focus 引用，说使用人工智能模型分析图像和检测入侵物种可以帮助降低成本并为土地所有者、公路机构和政策制定者提供安全。目前，收集路边图像的主要方法需要调查员，并且在他们完成工作时，道路暂时关闭。

由 UKCEH 和 Keen AI 设计的新项目只是最近一项趋势的最新例子，这一趋势将人工智能应用于对抗入侵物种。去年晚些时候，微软和 CSIRO 的人工智能研究人员联合设计了一个 人工智能模型，可以识别一种叫做 para 草的入侵物种，遍布澳大利亚的 Kakadu 国家公园。para 草是一种快速生长的杂草，可以迅速传播，迅速取代一个地区的许多本土植物。研究人员利用无人机收集的图像，一旦模型在标记的图像上训练成功，它就能够成功识别 para 草，允许研究人员从脆弱的湿地中清除它。这使得成千上万的 magpie 鹅能够返回该地区。另一队来自阿尔伯塔新大学的研究人员使用机器学习模型设计了 包含和缓解策略，用于加拿大的各种入侵物种。