Droner, maskinlæring hjælper med at redde truede søkøer

truede søko-droner ml manatee på world orlando 10. marts
Ahodges7 CC
En ting er at ville beskytte truede dyr, men en anden helt at holde styr på dem. Eksempel: Dugongen, et mellemstort havpattedyr, der ofte omtales som en havko. De er måske søde, men at spotte dem i store vandmasser er lettere sagt end gjort.

Da havforskere ønsker at gøre det for at holde styr på befolkningsstørrelser, bevaringsstatus og deres vigtige habitatområder, udgør det lidt af et problem.

Anbefalede videoer

Heldigvis er det her Dr. Amanda Hodgson fra Australiens Murdoch University kommer i. Et medlem af universitetets Cetacean Research Unit, Hodgson har brugt droner og maskinlæringsteknologi til bedre at identificere dugonger i deres naturlige miljø.

Brug af droner til luftfotografering tilbyder en ny måde at få de nødvendige billeder til Hodgsons arbejde på, men åbner op for problemet med, hvordan man bedst kan spotte søkøerne på et enormt antal billeder. Dette er det punkt, hvor Hodgson vendte sig til maskinlæring - og computerforsker ved Queensland University of Technology Frederic Maire - for hjælp.

find_the_sea_cow_solution

Sammen udviklede de en detektor ved hjælp af gratis open source-maskinelæringsplatform TensorFlow, med det mål at identificere dugongs på billeder automatisk. Denne metode skulle arbejde med billeder af varierende kompleksitet, såsom dem, hvor havgræs er synligt på havbunden, eller andre, hvor blænding og hvide hætter kan ses på overfladen af ​​vand.

"Vi udviklede et effektivt maskinlæringssystem til at automatisere detektionen af ​​marine arter i luftbilleder," fortalte Maire os. "Effektiviteten af ​​tilgangen kan tilskrives kombinationen af ​​en velegnet regionsforslagsmetode og brugen af ​​dybe neurale netværk. Givet et stort billede genererer regionforslagsmodulet en liste over undervinduer af billedet, centreret om kandidat-blobs. Hvert undervindue bliver derefter ført til en neural netværksklassifikator, der forudsiger, om undervinduet indeholder en dugong eller ej."

Den seneste version af detektoren kan finde 80 procent af dugongerne på billeder. Det tal vil forhåbentlig stige i fremtiden.

"Den bedre nyhed er, at efterhånden som vi fodrer detektoren med flere billeder af kendte dugonger og fortæller den, hvilke det gik galt, vil nøjagtigheden af ​​detekteringer fortsætte med at blive bedre," bemærkede Hodgson. "Denne teknologi kan anvendes til undersøgelser af enhver art, så længe du starter med et sæt billeder til at træne detektoren."

Redaktørens anbefalinger

  • Lambdas maskinlærings-laptop er en Razer i forklædning
  • DeepSqueak er en A.I. der afslører, hvad rotter snakker om
  • Maskinelæring? Neurale netværk? Her er din guide til de mange varianter af A.I.

Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.