Μια πρόσφατη μελέτη που δημοσιεύθηκε στο Scientific Reports υποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην ακριβή και οικονομική απομέτρηση των μανατίων σε πραγματικό χρόνο. Η μελέτη που πραγματοποιήθηκε από το Πανεπιστήμιο Florida Atlantic (FAU) χρησιμοποιεί τη “βαθιά μάθηση” για να διδάξει έναν υπολογιστή να αναγνωρίζει το μοναδικό ελλειπτικό σχήμα των μανατίων σε εικόνες από κάμερες παρακολούθησης. Αυτή η εξέλιξη μπορεί να βοηθήσει τους βιολόγους να αντιδράσουν πιο γρήγορα στους κινδύνους που αντιμετωπίζει η είδος.
Η απομέτρηση των μανατίων με το χέρι σε πολύπλοκα εξωτερικά περιβάλλοντα παρουσιάζει αρκετές τεχνικές προκλήσεις, συμπεριλαμβανομένων των κυμάτων, των αντανακλάσεων, των επικαλύψεων μανατίων και των παρατηρητικών προκαταλήψεων. Χρησιμοποιώντας προσεγγίσεις από τη βαθιά μάθηση που βασίζονται στην απομέτρηση πλήθους, ένα σύστημα τεχνητής νοημοσύνης μπορεί να απομετρήσει αυτόματα τα μανάτα σε καθορισμένες περιοχές. Αυτή η τεχνική χρησιμοποιείται συμβατικά για την απομέτρηση ανθρώπινων συνωστισμών στην αστική πολεοδομία και σε εφαρμογές για τη δημόσια ασφάλεια.
Ο Xingquan (Hill) Zhu, ο κύριος ερευνητής και καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης των Υπολογιστών του FAU, δηλώνει ότι αυτή η προσέγγιση της τεχνητής νοημοσύνης παρέχει μια καλύτερη κατανόηση των πληθυσμών των μανατίων. Η παρακολούθηση των μανατίων με περιορισμένοι πόροι ήταν μια πρόκληση και οι παραδοσιακές μέθοδοι αποτύγχαναν λόγω παραγόντων όπως το ζεστό καιρό και η διάρκεια της πανδημίας του COVID-19.
Η ακριβής εκτίμηση του πληθυσμού των μανατίων είναι ζωτικής σημασίας για την προστασία της είδους και την αποτελεσματική διαχείριση των πόρων. Η μελέτη έρχεται σε μια περίοδο ανησυχητικών τάσεων στον αριθμό των θανάτων μανατίων, με ένα ρεκόρ αριθμό θανάτων που αναφέρθηκαν το 2021. Με την αυτοματοποίηση της διαδικασίας απομέτρησης και την εξάλειψη των σφαλμάτων που προκαλούνται από παραμορφώσεις προοπτικής και επικαλυπτόμενα σχήματα, το σύστημα τεχνητής νοημοσύνης που ανέπτυξε το FAU υπερτερεί των παραδοσιακών μεθόδων.
Οι ερευνητές χρησιμοποίησαν προσιτές εικόνες από κάμερες παρακολούθησης για να εκτιμήσουν την πυκνότητα των μανατίων και να υπολογίσουν τους αριθμούς τους. Εφαρμόζοντας την τεχνική του Ανισοτρόπου Πυρήνα Gauss, το σύστημα τεχνητής νοημοσύνης διδάχθηκε να αναγνωρίζει το ελλειπτικό σχήμα των μανατίων, μειώνοντας τα σφάλματα επικάλυψης που είναι κοινά σε άλλες μεθόδους απομέτρησης. Επόμενο βήμα για τους ερευνητές είναι η βελτίωση της ακρίβειας της απομέτρησης με τη χρήση της τεχνητής νοημοσύνης.
Οι βιολόγοι της φύσης των πολιτειών μπορεί να χρησιμοποιήσουν αυτήν τη μέθοδο βάσει της τεχνητής νοημοσύνης για μελλοντικές απομετρήσεις των μανατίων, χρησιμοποιώντας υφιστάμενες κάμερες παρακολούθησης σε κρατικά πάρκα. Η μελέτη χρηματοδοτήθηκε από το Εθνικό Ίδρυμα Επιστήμης των Ηνωμένων Πολιτειών, το οποίο επισημαίνει τη δυνατότητα της τεχνητής νοημοσύνης στη φύση και την κατανόηση και διαχείριση της άγριας ζωής.
The source of the article is from the blog mendozaextremo.com.ar