海牛是对环境不稳定的濒危物种。由于它们贪婪的胃口,它们经常每天花长达八个小时在浅水中吃草,这使它们很容易受到环境变化和其他风险的影响。
准确统计一个区域内的海牛聚集数量不仅对于观察海牛的习性具有生物学意义,而且对于为划船者和潜水员设计安全规则以及安排护理、干预和其他计划也至关重要。尽管如此,计算海牛的数量仍然具有挑战性。
由于海牛往往群居,从表面上看它们经常互相阻挡。因此,小海牛可能会部分或完全被遮挡。此外,水中的倒影往往会使海牛看不见,而且它们也可能被误认为是其他物体,例如岩石和树枝。
虽然一些地区使用航空测量数据来统计海牛数量,但这种方法既耗时又昂贵,而且准确性取决于观察者偏差、天气条件和一天中的时间等因素。此外,拥有一种低成本的方法至关重要,该方法可以提供实时计数,以便尽早向生态学家发出威胁警报,使他们能够主动采取行动保护海牛。
人工智能被广泛应用于各个领域,现在,佛罗里达大西洋大学工程与计算机科学学院的研究人员利用人工智能的力量来帮助拯救深受喜爱的海牛。他们是第一批使用基于深度学习的人群计数方法来自动计算指定区域内海牛数量的公司之一,该方法使用从闭路电视摄像机捕获的图像(这些图像很容易作为输入)。
这项开创性的研究发表在《科学报告》上,不仅解决了在复杂的户外环境中计数的技术挑战,而且还提供了帮助濒危物种的潜在方法。
为了确定海牛密度并计算其数量,研究人员使用了从水面监控视频中捕获的通用图像。然后,他们使用与海牛形状相匹配的独特设计——各向异性高斯核(AGK)——将图像转换为海牛定制的密度图,代表海牛独特的身体形状。
尽管存在多种计数方法,但由于与城市规划和公共安全等重要应用相关,现有的计数方法大多数应用于人群来统计人数。
为了节省标记成本,研究人员使用基于线标签的注释,用一条直线来标记每只海牛。该研究的目标是学习计算场景中物体的数量并获取支持计数的标签。
研究结果表明,FAU 开发的方法优于其他基线,包括传统的基于高斯核的方法。从点标记转变为线标记还提高了小麦头计数的准确性,这在作物产量估计中发挥着重要作用,这表明凸形物体在不同环境中的应用更广泛。当图像在复杂背景中海牛密度较高时,这种方法尤其有效。
通过将海牛计数格式化为深度神经网络密度估计学习任务,该方法平衡了标记成本与计数效率。因此,该方法为海牛计数提供了一种简单且高通量的解决方案,只需很少的标记工作。直接影响是州立公园可以利用这种方法,通过使用现有的闭路电视摄像机实时了解不同地区的海牛数量。
“有很多方法可以使用计算方法来帮助拯救濒临灭绝的物种,例如检测物种的存在并对它们进行计数以收集有关数量和密度的信息,”资深作者 Xingquan (Hill) Zhu 博士说。 IEEE 院士、FAU 电气工程与计算机科学系教授。
“我们的方法考虑了水空间和图像平面之间的透视造成的扭曲。由于海牛的形状比圆形更接近椭圆形,因此我们使用 AGK 来最好地表示海牛轮廓并估计场景中海牛的密度。这使得密度图在平均绝对误差和均方根误差方面比其他估计海牛数量的替代方法更加准确。”
为了验证他们的方法并促进该领域的进一步研究,研究人员开发了一个全面的海牛计数数据集及其源代码,并通过 GitHub 发布以供公众访问github.com/yeyimilk/deep-learning-for-manatee-counting 。
FAU 学院院长 Stella Batalama 博士表示:“海牛是受到人类相关威胁影响的野生动物物种之一。因此,实时计算海牛的数量和聚集模式对于了解其种群动态至关重要。”工程和计算机科学系。
“朱教授和我们的研究生开发的方法为更广泛的应用(特别是凸形物体)提供了有希望的轨迹,以改进计数技术,从而可以预测管理决策中更好的生态结果。”
从巴西到佛罗里达以及整个加勒比群岛都可以看到海牛。包括佛罗里达海牛在内的一些物种被国际自然保护联盟视为濒临灭绝。