Исследователи установили наблюдение за слонами с помощью спутников

0
28

Исследователи установили наблюдение за слонами с помощью спутников

Исследователи Оксфордского университета смогли обнаружить точные местоположения популяций слонов, используя спутниковые изображения с высоким разрешением — Worldview 3 от Maxar Technologies, а также глубокое обучение (TensorFlow API и Google Brain).

По словам исследователей, за последнее столетие популяция африканских слонов резко сократилась из-за браконьерства и фрагментации среды обитания. Для их сохранения необходим точный мониторинг.

Однако существующие методы не дают необходимой точности. Чаще всего популяции слонов в саванне считают с воздуха с помощью пилотируемых самолетов. Но иногда наблюдателям при аэрофотосъемке мешает плохая видимость, а сам процесс является дорогостоящим и сложным с точки зрения логистики. Влияет и человеческий фактор — наблюдатель может подсчитать обитателей саванны неточно.

ЧИТАТЬ ТАКЖЕ:  Глава Samsung получил 2,5 года за взятку

Дистанционное обнаружение слонов с помощью спутниковых снимков и автоматизация этого процесса с помощью глубокого обучения обеспечивает новый виток в наблюдении за вымирающими животными, а также решает различные существующие проблемы. Спутники могут собирать изображения площадью более 5000 км² за один проход за считанные минуты, что исключает риск неверного подсчета. Спустя относительно короткие промежутки времени мониторинг можно повторять.

Исследователи установили наблюдение за слонами с помощью спутников

При этом спутниковый мониторинг не требует присутствия на земле, что исключает риск вторжения в жизнь популяций и соответствующие опасности для наблюдателей. Ранее недоступные районы становятся доступными, а приграничные зоны, часто имеющие решающее значение для природоохранного планирования, могут быть обследованы без получения разрешений от властей.

ЧИТАТЬ ТАКЖЕ:  Google по ошибке удалила мессенджер Element из каталога Google Play, затем вернула обратно

Единственной проблемой использования спутникового мониторинга оставалась обработка огромного количества изображений. Но автоматизация с глубоким обучением ускорила процесс обработки с месяцев до нескольких часов. Ложные и ложноотрицательные срабатывания алгоритмов глубокого обучения можно исправить путем систематического улучшения моделей.

Команда создала индивидуальный набор обучающих данных из снимков более чем 1000 слонов в Южной Африке. Его загрузили в сверточную нейронную сеть (CNN). Результаты моделей CNN составили 0,78 в неоднородных областях и 0,73 в однородных областях. Для сравнения — средние результаты человека-наблюдателя составляют 0,77 и 0,8 соответственно. Модель смогла обнаруживать слонов в других регионах, что демонстрирует ее обобщаемость. Наконец, система выявила слонят, хотя ее обучали на снимках взрослых животных.

ЧИТАТЬ ТАКЖЕ:  Публикация кода CaptureManager SDK под MIT лицензией

ОСТАВЬТЕ ОТВЕТ

Пожалуйста, введите ваш комментарий!
пожалуйста, введите ваше имя здесь