Droner, maskinlæring hjelper til med å redde truede sjøkyr

truede sjøku-droner ml manatee på world orlando 10. mars
Ahodges7 CC
En ting er å ønske å beskytte truede dyr, men en annen ting er å holde styr på dem. Eksempel: dugongen, et middels stort sjøpattedyr ofte referert til som en sjøku. Søte kan de være, men å oppdage dem i store vannmasser er lettere sagt enn gjort.

Siden havforskere ønsker å gjøre det for å holde oversikt over bestandsstørrelser, bevaringsstatus og deres viktige habitatområder, utgjør det litt av et problem.

Anbefalte videoer

Heldigvis er det her Dr. Amanda Hodgson fra Australias Murdoch University kommer inn. Hodgson, som er medlem av universitetets Cetacean Research Unit, har brukt droner og maskinlæringsteknologi for å bedre identifisere dugonger i deres naturlige miljø.

Å bruke droner til flyfotografering tilbyr en ny måte å få de nødvendige bildene for Hodgsons arbeid, men åpner opp for problemet med hvordan man best kan oppdage sjøkyrne i et enormt antall bilder. Dette er punktet der Hodgson vendte seg til maskinlæring - og dataforsker ved Queensland University of Technology Frederic Maire - for hjelp.

find_the_sea_cow_solution

Sammen utviklet de en detektor ved hjelp av gratis maskinlæringsplattform med åpen kildekode TensorFlow, med mål om å identifisere dugonger på bilder automatisk. Denne metoden måtte jobbe med bilder av varierende kompleksitet, for eksempel bilder der sjøgress er synlig på havbunnen, eller andre hvor gjenskinn og hvithetter kan sees på overflaten av vannet.

"Vi utviklet et effektivt maskinlæringssystem for å automatisere oppdagelsen av marine arter i flybilder," fortalte Maire oss. "Effektiviteten til tilnærmingen kan krediteres kombinasjonen av en velegnet regionforslagsmetode og bruken av dype nevrale nettverk. Gitt et stort bilde, genererer regionforslagsmodulen en liste over undervinduer til bildet, sentrert på kandidatblobber. Hvert undervindu blir deretter matet til en nevrale nettverksklassifiserer som forutsier hvorvidt undervinduet inneholder en dugong eller ikke."

Den siste versjonen av detektoren kan finne 80 prosent av dugongene på bilder. Det tallet vil forhåpentligvis øke i fremtiden.

"Den bedre nyheten er at etter hvert som vi mater detektoren med flere bilder av kjente dugonger, og forteller den hvilke det ble feil, vil nøyaktigheten av deteksjonene fortsette å bli bedre," bemerket Hodgson. "Denne teknologien kan brukes på undersøkelser av alle arter så lenge du starter med et sett med bilder for å trene detektoren."

Redaktørenes anbefalinger

  • Lambdas maskinlæringslaptop er en Razer i forkledning
  • DeepSqueak er en maskinlæring A.I. som avslører hva rotter prater om
  • Maskinlæring? Nevrale nettverk? Her er din guide til de mange smakene av A.I.

Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.