|
AI能让观察鸟类变得更简单 人工智能可能会使观察鸟类变得更容易,这要归功于阿尔伯塔大学一名学生的工作。
阿尔伯塔大学奥古斯丹那校区的计算机科学学生普里西拉·阿德班吉,在这个夏天利用AI改进了阿尔伯塔大学的一项关于红翅黑鸟及其巢穴的研究视频分析。 一旦这些调整完全开发完善,它可以节省大量时间,这对她的工作至关重要,阿尔伯塔大学奥古斯丹那校区教授伊万娜·斯科普夫说,她正在研究寄生虫对鸟类行为的影响。 目前,检测每只鸟的身份和行为的唯一方法是通过它们独特的鸣叫声,这意味着需要查看几个小时的视频。斯科普夫指出,这还需要专业知识。 “这需要一定程度的鸟类生物学知识,并且要花时间去了解这些鸟及它们的鸣叫声。” 尽管现有软件可以跟踪实验室里的小鼠等动物的运动,但她说:“对野外来说就复杂多了。背景中有大量植被和噪音,如风声,所以录像条件不适合自动检测。” 视频质量也不高,“所以有时无法分辨雄鸟和雌鸟”,斯科普夫补充道。巢也藏在芦苇丛中,很难看清鸟是否在喂食雏鸟、清理巢穴,或者离开巢穴逃生,她指出。 斯科普夫收集了两季约30小时的30个鸟巢视频,她找到了计算机科学教授蒂博·卢特利尔,希望找到一种在不需要详细查看视频的情况下自动检测鸟的方法。 卢特利尔说:“我们觉得AI中有很多应用可以提供帮助,尽管我们不知道会有什么效果。我们必须弄清楚使用什么类型的机器学习。这涉及大量基础工作和研究。” 阿德班吉克服了各种挑战,包括现有AI模型生成的错误读数。她说:“它们似乎有时会将鸟检测为飞机,像阴影这样的东西也会被错误检测为背景中的熊。” 使用计算机视觉工具和运动检测算法帮助分析视频后,她减少了足以统计鸟数、将它们与其他对象区分开来并确定是否已经录制过同一只鸟的跟踪灵敏度。 到夏末,阿德班吉能够开发出软件,使斯科普夫的原始视频聚焦精确到鸟进入巢喂食雏鸟的准确时间,以及它们是进入还是离开。 阿德班吉说:“这对节省时间来说是一个重大进步。我们已经从8小时缩短到几分钟就可以自动检测所有内容。” 尽管该软件仍需要进一步改进,但斯科普夫希望最终能够使用它来减少她研究所需大量劳动密集型数据收集过程。 她说:“它将节省查看视频的时间,以及培训人员分析视频的精力——至少需要两人参与,以比较结果的一致性。” 她对该软件在更大的动物生物学领域中的潜力也感到兴奋。 她说:“这可能对大量不同物种和不同环境的项目具有广泛的适用性,不仅仅是鸟类。它可以改进和扩展生态研究。” 该程序的进一步工作将包括探索AI应用,以确定鸟类访问其巢穴的时间长度,并分析它们的鸣叫以确定性别。卢特利尔说,未来的学生也将被赋予任务,通过改进视频中背景噪音(如风声)的“清理”,并查看该软件是否可应用于其他动物,如啮齿类动物。 对于AI这个领域,像这样的小型创新项目“突出了我们在运动检测技术(如自动驾驶汽车和无人机)方面的计算机视觉问题”,他指出。 他说:“这对于开发更好的AI很有用,因为在开发该软件的过程中有大量的试错法。我们不是在非常精确、高质量的标准上进行测试,而是处理大量未知因素——这就是现实生活。AI必须能够安全成功地处理它。” 现在正在攻读本科四年级的阿德班吉说,这个项目激发了她作为职业生涯探索AI的兴趣,并将她带出了课堂。 她说:“能够在一个真实的应用中工作,用我学到的知识帮助别人,这感觉很好。” 【免责声明】图文来自网络，版权属于原作者，如有侵权或非授权发布之嫌，请联系我们，我们将及时更正、删除。转载目的在于促进信息交流，并不代表本公众号赞同其观点或对其内容真实性负责。欢迎关注PaperRSS公众号，每天都在更新。 |
|
|
