说到解读红外相机拍摄的图像，人工智能已经火得一塌糊涂，尤其是针对陆地动物或地面栖息的物种。但对于那些生活在高高树梢、神出鬼没的物种，这项技术仍然力不从心。

　　一种新开发的人工智能模型旨在填补这一空白。

　　TropiCam-AI 的诞生，就是为了在动物物种极其丰富的美洲热带森林中，检测并识别树栖或林中生活的物种。科学家构建这个模型，就是为了解决识别树栖哺乳动物和鸟类时存在的短板。

　　“我们搭建 TropiCam-AI 的目标，就是打造一个专门用于新热带地区冠层红外相机调查的工具，”该研究的第一作者、罗马大学动物生物学博士生安德烈亚·赞佩蒂在视频采访中告诉蒙加贝。赞佩蒂的工作是与马德里国家自然科学博物馆的 TROPECOLNET 项目合作完成的。

　　树栖物种在生态系统中扮演着关键角色。它们充当重要的种子传播者，研究发现，灵长类动物、小型哺乳动物和鸟类能消耗热带雨林中高达90%的植物物种。然而，这些依赖树木的物种，由于它们的本质特性，尤其受到森林砍伐的威胁，这凸显了出于保护目的而研究、追踪和监测它们的必要性。赞佩蒂及其同事今年早些时候发表的一项研究指出，“与基于陆地图像训练的人工智能相比，树栖红外相机捕捉的研究仍然严重不足。”

　　“加快我们收集和分析数据并将其转化为有用信息的速度至关重要，”赞佩蒂告诉蒙加贝。“而这款工具就是为了帮助生态学家和实践者快速处理红外相机数据，自动处理数百万张图像和视频而构建的。”

　　训练模型的大部分数据由赞佩蒂收集，他作为考察队成员在巴西度过了三个月。由于他想将训练数据扩展到考察中的物种和地点之外，他还从在其他地点（包括秘鲁、哥斯达黎加和法属圭亚那）工作的研究人员那里获取了红外相机图像。他还利用了公民科学家平台 iNaturalist 提供的大量图像和视频数据集。数据收集完成后，他与其他研究人员一起逐一检查每张图像并识别其中的物种——这一过程称为手动标注，然后可用于训练算法识别目标。

　　现在，科学家可以将他们的红外相机图像输入模型，让人工智能判断图像中是否存在物种以及是什么物种。该模型还经过训练，如果从给定图像中难以确定物种，则会告知用户。

　　“它不会强行给出可能错误的预测，而是自动提升到分类学层次，并指出该物种可能属于某个特定属，”赞佩蒂说。

　　TropiCam-AI 目前可以识别84个分类群，包括63个物种。根据这项研究，该工具的准确率达到95%，“大多数分类群（84个中的50个）实现了超过90%的精确度和召回率。”

　　赞佩蒂表示，团队将继续用更多训练数据优化该工具。他们也在与更多合作者联系，对方愿意提供数据以进一步训练模型。“归根结底，这类工具只能做你训练它们做的事情，”他说。“未来，我们可以开始增加样本量并进行调整改进，使其更适用于任何类型的应用。”

　　本文由吉伊网原创发布，未经许可，不得转载！

　　本文链接：http://www.jkiyi.com/kx/50282.html