დრონები, მანქანათმცოდნეობა გვეხმარება გადაშენების პირას მყოფი ზღვის ძროხების გადარჩენაში

გადაშენების პირას მყოფი ზღვის ძროხის დრონები ml manatee მსოფლიო ორლანდოში 10 მარტი
Ahodges7 CC
ერთია გადაშენების პირას მყოფი ცხოველების დაცვა, მაგრამ სრულიად მეორეა მათზე თვალყურის დევნება. მაგალითი: დუგონგი, საშუალო ზომის ზღვის ძუძუმწოვარი, რომელსაც ხშირად ზღვის ძროხას უწოდებენ. ისინი შეიძლება საყვარლები იყვნენ, მაგრამ წყლის დიდ ობიექტებში მათი დანახვა უფრო ადვილია, ვიდრე გაკეთება.

ვინაიდან საზღვაო მკვლევარებს სურთ ამის გაკეთება, რათა დაიცვან მოსახლეობის ზომები, კონსერვაციის სტატუსი და მათი მნიშვნელოვანი ჰაბიტატის ტერიტორიები, ეს გარკვეულ პრობლემას ქმნის.

რეკომენდებული ვიდეოები

საბედნიეროდ, აქ არის ავსტრალიის მერდოკის უნივერსიტეტის დოქტორი ამანდა ჰოჯსონი შემოდის. უნივერსიტეტის ვეშაპისებრთა კვლევის განყოფილების წევრი, ჰოჯსონი იყენებს დრონებს და მანქანათმცოდნეობის ტექნოლოგიას, რათა უკეთ იდენტიფიცირება დუგონები მათ ბუნებრივ გარემოში.

დრონების გამოყენება აეროფოტოგრაფიისთვის გვთავაზობს ახალ გზას ჰოჯსონის ნამუშევრებისთვის საჭირო სურათების მისაღებად, მაგრამ ხსნის პრობლემას, თუ როგორ უკეთესად დააფიქსიროთ ზღვის ძროხები ფოტოების დიდ რაოდენობაზე. ეს არის ის წერტილი, როდესაც ჰოჯსონმა მიმართა მანქანათმცოდნეობას - და ქუინსლენდის ტექნოლოგიური უნივერსიტეტის კომპიუტერული მეცნიერი

ფრედერიკ მაირე - დახმარებისთვის.

იპოვე_ზღვის_ძროხა_ხსნარი

მათ ერთად შექმნეს დეტექტორი უფასო ღია კოდის მანქანური სწავლების პლატფორმის გამოყენებით TensorFlow, დუგონების ფოტოებში ავტომატურად ამოცნობის მიზნით. ამ მეთოდს უნდა ემუშავა სხვადასხვა სირთულის გამოსახულებებთან, როგორიცაა ისეთები, სადაც ზღვის ბალახი ჩანს ზღვის ფსკერზე, ან სხვა, სადაც მბზინავი და თეთრი ქუდები ჩანს წყლის ზედაპირზე.

„ჩვენ შევიმუშავეთ მანქანათმცოდნეობის ეფექტური სისტემა საჰაერო სურათებში საზღვაო სახეობების აღმოჩენის ავტომატიზაციისთვის“, გვითხრა მაირმა. „მიდგომის ეფექტურობა შეიძლება მიეკუთვნებოდეს რეგიონის შემოთავაზების კარგად მორგებულ მეთოდს და ღრმა ნერვული ქსელების გამოყენებას. დიდი სურათის გათვალისწინებით, რეგიონის წინადადების მოდული წარმოქმნის სურათის ქვეფანჯრების სიას, რომელიც ორიენტირებულია კანდიდატის ბლოკებზე. ყოველი ქვეფანჯარა შემდეგ მიეწოდება ნერვული ქსელის კლასიფიკატორს, რომელიც წინასწარმეტყველებს შეიცავს თუ არა ქვეფანჯარა დუგონგს“.

დეტექტორის უახლეს ვერსიას შეუძლია დუგონების 80 პროცენტის პოვნა სურათებში. ეს რიცხვი იმედია მომავალში გაიზრდება.

„საუკეთესო ამბავი ის არის, რომ როდესაც ჩვენ დეტექტორს ვაძლევთ ცნობილი დუგონების უფრო მეტ სურათს და ვუთხარით, რომელი მათგანი შეცდა, აღმოჩენების სიზუსტე გაუმჯობესდება“, - აღნიშნა ჰოჯსონმა. ”ეს ტექნოლოგია შეიძლება გამოყენებულ იქნას ნებისმიერი სახეობის გამოკვლევებზე, სანამ დეტექტორის გამოსახულების კომპლექტს დაიწყებთ.”

რედაქტორების რეკომენდაციები

  • Lambda-ს მანქანათმცოდნეობის ლეპტოპი არის Razer შენიღბული
  • DeepSqueak არის მანქანათმცოდნეობის A.I. რაც ცხადყოფს, რაზე საუბრობენ ვირთხები
  • მანქანათმცოდნეობა? Ნეირონული ქსელები? აქ არის თქვენი გზამკვლევი A.I-ს მრავალი არომატისთვის.

განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.

კატეგორიები

Ბოლო

AT&T აფართოებს U-verse TV-ს Xbox 360-ზე

AT&T აფართოებს U-verse TV-ს Xbox 360-ზე

მოთამაშეები, რომლებიც ჩატვირთავენ Call of Duty:...