Droonit, koneoppiminen auttavat pelastamaan uhanalaisia ​​merilehmiä

uhanalaisten merilehmien drones ml manatee World Orlandossa 10. maaliskuuta
Ahodges7 CC
Yksi asia on suojella uhanalaisia ​​eläimiä, mutta toinen asia on täysin seurata niitä. Esimerkki: dugong, keskikokoinen merinisäkäs, jota usein kutsutaan merilehmäksi. Ne voivat olla söpöjä, mutta niiden havaitseminen suurissa vesistöissä on helpommin sanottu kuin tehty.

Koska merentutkijat haluavat seurata populaatioiden kokoa, suojelun tasoa ja tärkeitä elinympäristöalueita, tämä on pieni ongelma.

Suositellut videot

Onneksi täällä on tohtori Amanda Hodgson Australian Murdochin yliopistosta tulee sisään. Yliopiston valaiden tutkimusyksikön jäsen Hodgson on käyttänyt droneja ja koneoppimisteknologiaa tunnistaakseen paremmin dugongeja niiden luonnollisessa ympäristössä.

Droonien käyttö ilmakuvaukseen tarjoaa uuden tavan saada tarvittavat kuvat Hodgsonin työhön, mutta avaa ongelman, kuinka merilehmät voidaan parhaiten havaita valtavasta määrästä valokuvia. Tämä on kohta, jossa Hodgson kääntyi koneoppimisen - ja Queenslandin teknillisen yliopiston tietojenkäsittelytieteilijän - puoleen Frederic Maire - avuksi.

löydä_merilehmän_ratkaisu

Yhdessä he kehittivät ilmaisimen käyttämällä ilmaista avoimen lähdekoodin koneoppimisalustaa TensorFlow, jonka tavoitteena on tunnistaa dugongit valokuvista automaattisesti. Tämän menetelmän täytyi toimia eri monimutkaisten kuvien kanssa, kuten sellaisilla, joissa meriruoho on näkyvissä merenpohjassa, tai muissa, joissa häikäisyä ja valkohattuja voi nähdä veden pinnalla.

"Kehitimme tehokkaan koneoppimisjärjestelmän merilajien havaitsemisen automatisoimiseksi ilmakuvissa", Maire kertoi. ”Lähestymistavan tehokkuuden ansioksi voidaan antaa hyvin sopivan alueehdotusmenetelmän ja syvien hermoverkkojen käytön yhdistelmä. Kun kuva on suuri, alueehdotusmoduuli luo luettelon kuvan aliikkunoista, jotka on keskitetty ehdokasblobeihin. Jokainen aliikkuna syötetään sitten neuroverkon luokittimeen, joka ennustaa, sisältääkö aliikkuna dugongin vai ei."

Ilmaisimen uusin versio löytää kuvista 80 prosenttia dugongeista. Tämä määrä toivottavasti kasvaa tulevaisuudessa.

"Parempi uutinen on, että kun syötämme ilmaisimelle enemmän kuvia tunnetuista dugongeista ja kerromme sille, mitkä se meni pieleen, ilmaisujen tarkkuus paranee edelleen", Hodgson huomautti. "Tätä tekniikkaa voitaisiin soveltaa minkä tahansa lajin tutkimuksiin, kunhan aloitat kuvasarjan ilmaisimen kouluttamiseksi."

Toimittajien suositukset

  • Lambdan koneoppiva kannettava on naamioitu Razer
  • DeepSqueak on koneoppimisen A.I. joka paljastaa, mistä rotat juttelevat
  • Koneoppiminen? Neuroverkot? Tässä on opas A.I: n moniin makuihin.

Päivitä elämäntapasiDigital Trends auttaa lukijoita pysymään tekniikan nopeatempoisessa maailmassa uusimpien uutisten, hauskojen tuotearvostelujen, oivaltavien toimitusten ja ainutlaatuisten kurkistusten avulla.