محققان به ساخت اولین AI ابزار قادر به شناسایی فردی پرندگان

تحقیقات جدید نشان می دهد برای اولین بار است که هوش مصنوعی (AI) می تواند مورد استفاده قرار گیرد برای آموزش رایانه به تشخیص فردی پرندگان وظیفه یک انسان قادر به انجام است. پژوهش منتشر شده در محیط زیست و جامعه مجله روش در اکولوژی و تکامل.

“ما نشان می دهد که کامپیوتر به طور مداوم می تواند تشخیص دهد ده ها تن از پرندگان فردی حتی اگر ما نمی توانیم خودمان را به این افراد از هم جدا. در انجام این کار ما مطالعه را فراهم می کند وسیله ای برای غلبه بر یکی از بزرگترین محدودیت در مطالعه پرندگان وحشی – قابل اعتماد و شناخت افراد است.” گفت: دکتر آندره فریرا در مرکز کاربردی و تکاملی زیست (CEFE) فرانسه و نویسنده سرب از مطالعه.

در این مطالعه محققان از موسسه در فرانسه و آلمان و پرتغال و آفریقای جنوبی توصیف فرایند با استفاده از هوش مصنوعی به صورت جداگانه شناسایی پرندگان است. این شامل جمع آوری هزاران برچسب تصاویر از پرندگان و سپس با استفاده از این داده ها برای آموزش و تست هوش مصنوعی ، این مطالعه نشان دهنده اولین تلاش موفق به انجام این کار در پرندگان است.

محققان روت AI مدل برای تشخیص تصاویر از پرندگان فردی در جمعیت بزرگ و خوش مشرب بافندگان و اسیر جمعیت گورخر فنچ برخی از رایج ترین مورد مطالعه پرندگان در رفتاری محیط زیست. پس از آموزش هوش مصنوعی در مدل مورد آزمایش قرار گرفتند با تصاویری از افراد آنها تا به حال دیده اند و تا به حال دقت بیش از 90 درصد گونه های وحشی و 87% برای اسیر فنچ گورخر.

در حیوانات رفتار مطالعات به صورت جداگانه شناسایی حیوانات یکی از گران ترین و وقت گیر عوامل محدود کننده دامنه رفتارها و اندازه جمعیت است که محققان می توانند مطالعه است. زمان شناسایی روش های اتصال باندهای رنگ به پرندگان پاها نیز می تواند استرس زا به حیوانات.

این مسائل می تواند حل شود با AI مدل. دکتر آندره فریرا گفت: “توسعه روش ها به صورت اتوماتیک و غیر تهاجمی شناسایی حیوانات کاملا بینام و unmanipulated توسط محققان نشان دهنده دستیابی به موفقیت بزرگ در این زمینه تحقیق. در نهایت وجود دارد مقدار زیادی از اتاق را برای پیدا کردن برنامه های جدید برای این سیستم و پاسخ به سوالات است که به نظر می رسید قابل دسترسی در گذشته است.”

برای AI مدل قادر به شناسایی دقیق افراد آنها نیاز به روت با هزاران برچسب تصاویر. شرکت هایی مانند Facebook قادر به انجام این کار برای انسان به رسمیت شناختن از آنجا که آنها دسترسی به میلیون ها نفر از تصاویر را از افراد مختلف هستند که به طور داوطلبانه برچسب گذاشته شده توسط کاربران. اما دستیابی به چنین برچسب عکس از حیوانات دشوار است و ایجاد تنگنا در پژوهش است.

محققان قادر به غلبه بر این چالش با ساخت فیدر با دوربین های تله ای و سنسور. اکثر پرندگان در این مطالعه جمعیت به اجرا درآمد منفعل یکپارچه transponder (گودال) برچسب شبیه به کاشت میکروچیپ در حیوان خانگی سگ و گربه. آنتن روی فیدرهای پرنده قادر به خواندن هویت پرنده از این دسته و ماشه دوربین.

قادر به تشخیص فردی حیوانات از یکدیگر مهم است که برای کنترل طولانی مدت از جمعیت و حفاظت از گونه های از فشارهای مانند تغییر آب و هوا. در حالی که برخی از گونه هایی مانند پلنگ باید الگوهای متمایز است که اجازه می دهد انسان به آنها را تشخیص توسط چشم بسیاری از گونه های اضافی نیاز بصری شناسه مانند رنگ باندهای متصل به پرندگان پاها برای ما به آنها بگویید از هم جدا. حتی پس از آن, روش های مانند این بسیار وقت گیر و مستعد خطا است.

AI روش مانند نشان داده شده در این مطالعه با استفاده از یک نوع از یادگیری عمیق شناخته شده به عنوان convolutional شبکه های عصبی, این بهینه برای حل تصویر طبقه بندی مشکلات. در محیط زیست این روش قبلا استفاده شده است برای شناسایی حیوانات در یک گونه سطوح فردی و پستانداران خوک و فیل. تا به حال آن نشده است به کاوش در حیوانات کوچکتر مانند پرندگان.

نویسندگان احتیاط که AI مدل تنها قادر به re-شناسایی افراد نشان داده شده است قبل از. “مدل قادر به شناسایی پرندگان از تصاویر جدید تا زمانی که پرندگان در این تصاویر هستند که قبلا شناخته شده به مدل. این به این معنی است که اگر پرندگان جدید عضویت در این مطالعه جمعیت کامپیوتر قادر به شناسایی آنها. گفت:” دکتر آندره فریرا.

ظاهر پرندگان فردی می تواند در طول زمان تغییر, به عنوان مثال moulting و مشخص نیست که چگونه عملکرد AI مدل تحت تاثیر قرار خواهد شد. تصاویری از پرنده گرفته شده و ماه از هم جدا می تواند به اشتباه شناسایی شده به عنوان افراد مختلف متفاوت است.

نویسندگان اضافه کنید که هر دو این محدودیت ها می تواند با غلبه بر اندازه کافی بزرگ مجموعه شامل هزاران عکس از هزاران نفر از افراد بیش از دوره های طولانی از زمان است که آنها در حال حاضر در تلاش برای جمع آوری.

###

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdclck.ruulvis.netshrtco.de