Искусственный интеллект позволяет обнаруживать вредоносные инвазивные виды растений
С помощью системы искусственного интеллекта эколог может дистанционно обследовать 120 миль (20 миль в час в течение 6 часов) без перекрытия дорог. Это стоимость одной мили в 9 фунтов стерлингов против 116 фунтов стерлингов при применении традиционных методов мониторинга.
Keen AI, Британский центр экологии и гидрологии (CEH) и Time-Lapse Systems используют свой опыт в области машинного зрения, экологических исследований и захвата изображений, чтобы помочь идентифицировать инвазивные виды растений в Великобритании. Совместно они создали проект по быстрому обследованию больших площадей на предмет вредных и разрушающих поля видов растений.
Проблема мониторинга инвазивных видов
Инвазивные неместные виды (МНН) - это организмы, интродуцированные в районы за пределами их родного региона, где в процессе размножения они угрожают экосистемам. Эти виды считаются одной из пяти главных угроз биоразнообразию во всем мире (IPBES, 2019), а также оказывают значительное экономическое воздействие, поскольку компании в различных секторах, таких как сельское хозяйство, транспорт и коммунальные услуги тратят значительное время и ресурсы на их выявление и устранение.
Современные методы мониторинга мест произрастания инвазивных видов основаны на экологических обследованиях, которые требуют много времени и затрат, особенно если это касается дорожной и железнодорожной инфраструктуры. Keen AI, CEH и Time-Lapse Systems объединили свой опыт в области искусственного интеллекта, хранилищ данных и сбора изображений, чтобы обеспечить более быстрый и эффективный мониторинг.
Традиционные решения для обследования территории включают отправку экологов для выполнения ручной съемки, которая отнимает много времени и стоит значительных денег. Также применяется ручной просмотр фотографий, сделанных с цифровых камер высокой четкости, прикрепленных к беспилотным летательным аппаратам или самолетам. Использование сверточных нейросетей (convolutional neural network) позволяет сократить время, необходимое для проведения экологического обследования такого рода, что приведет к экономии затрат и времени для заказчика, а также предоставит информацию о местоположении для поддержки принятия решений и управленческих действий.
Современные методы мониторинга мест произрастания инвазивных видов основаны на экологических обследованиях, которые требуют много времени и затрат, особенно если это касается дорожной и железнодорожной инфраструктуры. Keen AI, CEH и Time-Lapse Systems объединили свой опыт в области искусственного интеллекта, хранилищ данных и сбора изображений, чтобы обеспечить более быстрый и эффективный мониторинг.
Традиционные решения для обследования территории включают отправку экологов для выполнения ручной съемки, которая отнимает много времени и стоит значительных денег. Также применяется ручной просмотр фотографий, сделанных с цифровых камер высокой четкости, прикрепленных к беспилотным летательным аппаратам или самолетам. Использование сверточных нейросетей (convolutional neural network) позволяет сократить время, необходимое для проведения экологического обследования такого рода, что приведет к экономии затрат и времени для заказчика, а также предоставит информацию о местоположении для поддержки принятия решений и управленческих действий.
Схема интеллектуального сбора данных и их обработки
Решение проблемы - обработка с помощью нейронных сетей
Новое видение заключается в разработке платформы искусственного интеллекта для обнаружения присутствия инвазивных видов растений инфраструктуре. Это обеспечивает быструю и высококачественную методологию обследования растительности, что приводит к экономии затрат и времени для наших клиентов, а также к лучшему пониманию требований рынка к инновациям в области применения нейронных сетей сверточного типа.
Проект будет имеет четыре ключевые цели:
Примечание редакции: обученная нейронная сеть в может существенно помочь в борьбе с борщевиком Сосновского, который стал действительно серьезной проблемой в России. Мы надеемся, что заинтересованные органы обнаружат эту статью и задумаются о том, как можно увеличить эффективность решения этой непростой задачи.
Источник: KEEN AI
Проект будет имеет четыре ключевые цели:
- Сбор коллекции изображений растительности достаточного качества;
- Обучение алгоритмов искусственного интеллекта для идентификации ивазивных растений в наборе данных изображений;
- Обработка больших объемов изображений для определения местоположения локаций в пространстве;
- Оценка производительности модели искусственного интеллекта.
Примечание редакции: обученная нейронная сеть в может существенно помочь в борьбе с борщевиком Сосновского, который стал действительно серьезной проблемой в России. Мы надеемся, что заинтересованные органы обнаружат эту статью и задумаются о том, как можно увеличить эффективность решения этой непростой задачи.
Источник: KEEN AI