Использование искусственного интеллекта (ИИ) играет важную роль в охране популяции манати. Инженеры из Флоридского университета Атлантического побережья разработали модель глубокого обучения, которая использует ИИ для подсчета манати на изображениях, сделанных с помощью камер. В настоящее время модель может идентифицировать манати в мелководных местах и оценивать их популяции, но она все еще не может различать между взрослыми особями и телятами или определить пол отдельных манати — информация, которая является важной для охраны и научных исследований.
Ксингкюань Чжу, главный автор исследования, считает, что модель в конечном итоге предоставит информацию в реальном времени о демографии манати, включая их распространение и привычки питания. Эта информация может направлять действия по сохранению, помогать предотвращать потерю мест обитания и устанавливать правила для водолазов и катеров.
Традиционно, популяции манати осуществляются путем прикрепления GPS-устройств к их хвостам. Однако эти устройства часто ломаются и они ограничены в отслеживании определенного количества животных одновременно. Кроме того, этот процесс требует трудоемкости. Ища более эффективный, экономически выгодный и оперативный метод оценки популяции манати, команда обратилась к искусственному интеллекту.
Для обучения модели инженеры собрали видеозаписи из государственных парков США, на которых были запечатлены манати в разные времена года и под разными углами. Для обучения модели ИИ распознаванию манати были выбраны почти 700 кадров из этих видеозаписей. Однако модель ИИ иногда неправильно идентифицирует крупных рыб или неподвижные объекты как манати, что указывает на необходимость улучшений.
Команда планирует сотрудничать с биологами для дальнейшего совершенствования модели. Интеграция отзывов специалистов и непрерывное обучение модели с помощью методов глубокого обучения позволит повысить ее точность и эффективность. Использование ИИ для охраны манати не только представляет более быстрый и надежный метод подсчета, но также способствует долгосрочным усилиям по сохранению этих милых водных млекопитающих.
FAQ:
1. Какова цель модели глубокого обучения, разработанной инженерами из Флоридского университета Атлантического побережья?
Целью модели глубокого обучения является использование искусственного интеллекта (ИИ) для подсчета манати на изображениях, сделанных с помощью камер. Она помогает отслеживать и оценивать популяцию манати.
2. Каковы ограничения текущей модели?
Текущая модель не способна различать взрослых особей от телят или определить пол отдельных манати. Эта информация является важной для охраны и научных исследований.
3. Как модель предоставит информацию в реальном времени о демографии манати?
Модель будет предоставлять информацию в реальном времени о демографии манати, включая их распределение и привычки питания. Эта информация может направлять действия по сохранению, помогать предотвращать потерю мест обитания и устанавливать правила для водолазов и катеров.
4. Как традиционно осуществляется мониторинг популяции манати?
Традиционно, популяции манати отслеживаются путем прикрепления GPS-устройств к их хвостам. Однако этот метод имеет ограничения в виде возможного поломки устройств и невозможности одновременного отслеживания большого количества животных.
5. Как модель глубокого обучения была обучена?
Инженеры собрали видеозаписи из государственных парков США, на которых были запечатлены манати в разные времена года и под разными углами. Они выбрали почти 700 кадров из этих видеозаписей, чтобы обучить модель ИИ распознаванию манати.
6. Есть ли у модели ИИ какие-либо места для улучшения?
Да, модель ИИ иногда неправильно идентифицирует крупных рыб или неподвижные объекты как манати, что указывает на необходимость улучшений. Инженеры планируют сотрудничать с биологами для дальнейшего совершенствования модели.
Ключевые термины:
— Искусственный интеллект (ИИ): Симуляция человеческого интеллекта в машинах для выполнения задач, которые обычно требуют человеческого интеллекта, таких как визуальное восприятие или принятие решений.
— Глубокое обучение: Подмножество машинного обучения, которое использует нейронные сети с множеством слоев для обучения и прогнозирования на основе большого объема данных.
Предлагаемые связанные ссылки:
— Флоридский университет Атлантического побережья
— Инженерный колледж ФАУ
— Клуб по охране манати
The source of the article is from the blog j6simracing.com.br