Drony, strojové učení pomáhají zachránit ohrožené mořské krávy

ohrožené mořské krávy drones ml kapustňák na světě orlando březen 10
Ahoges7 CC
Jedna věc je chtít chránit ohrožená zvířata, ale úplně jiná je mít o nich přehled. Příklad: dugong, středně velký mořský savec, často označovaný jako mořská kráva. Mohou být roztomilé, ale spatřit je ve velkých vodních plochách se snadněji řekne, než udělá.

Vzhledem k tomu, že mořští výzkumníci to chtějí udělat, aby měli přehled o velikosti populace, stavu ochrany a jejich důležitých stanovištích, představuje to trochu problém.

Doporučená videa

Naštěstí se zde nachází Dr. Amanda Hodgson z australské Murdoch University přichází v. Hodgson, člen univerzitní jednotky pro výzkum kytovců, používá drony a technologii strojového učení k lepší identifikaci dugongů v jejich přirozeném prostředí.

Použití dronů pro letecké fotografování nabízí nový způsob, jak získat potřebné snímky pro Hodgsonovu práci, ale otevírá problém, jak nejlépe rozpoznat mořské krávy na obrovském množství fotografií. To je bod, kdy se Hodgson obrátil ke strojovému učení – a počítačový vědec z Queensland University of Technology Frederic Maire - pro pomoc.

find_the_sea_cow_solution

Společně vyvinuli detektor využívající bezplatnou open-source platformu strojového učení TensorFlow, s cílem automaticky identifikovat dugongy na fotografiích. Tato metoda musela pracovat s obrázky různé složitosti, například s těmi, kde je na mořském dně vidět mořská tráva, nebo s jinými, kde je na hladině vody vidět odlesky a bílé čepice.

„Vyvinuli jsme účinný systém strojového učení pro automatizaci detekce mořských druhů na leteckých snímcích,“ řekl nám Maire. „Účinnost tohoto přístupu lze přičíst kombinaci vhodné metody návrhu regionu a použití hlubokých neuronových sítí. Vzhledem k velkému obrázku modul návrhu regionu vygeneruje seznam podoken obrázku se středem na kandidátní bloby. Každé podokno je pak přiváděno do klasifikátoru neuronové sítě, který předpovídá, zda podokno obsahuje dugong, či nikoli.“

Nejnovější verze detektoru dokáže na snímcích najít 80 procent dugongů. Doufejme, že se toto číslo v budoucnu zvýší.

"Lepší zprávou je, že jakmile detektor naplníme dalšími snímky známých dugongů a řekneme mu, které se pokazily, přesnost detekcí se bude i nadále zlepšovat," poznamenal Hodgson. "Tuto technologii lze použít na průzkumy jakéhokoli druhu, pokud začnete se sadou obrázků pro trénování detektoru."

Doporučení redakce

  • Lambdaův laptop pro strojové učení je přestrojený Razer
  • DeepSqueak je strojové učení A.I. to odhaluje, o čem si krysy povídají
  • Strojové učení? Neuronové sítě? Zde je váš průvodce mnoha příchutěmi A.I.

Upgradujte svůj životní stylDigitální trendy pomáhají čtenářům mít přehled o rychle se měnícím světě technologií se všemi nejnovějšími zprávami, zábavnými recenzemi produktů, zasvěcenými úvodníky a jedinečnými náhledy.