总有人问,AI可以为生态平衡做些什么?
在云南西双版纳雨林深处,他们给出了一份答案——「保护亚洲象,构建人象共处的雨林生态」。
亚洲象,作为全球濒危物种之一,全国只有300余头,云南西双版纳地区是主要栖息地。
在上世纪七八十年代,亚洲象在国内的数量曾降至170头左右,濒临灭绝。在行之有效的保护措施下,亚洲象的濒危状态得到一定的缓解。
「保护亚洲象」已见成效,但随之而来的,是大象逐渐走出雨林,来到人类生活区,造成「人象冲突」事件。
于是,人与象如何在雨林家园内和谐相处成为了当地的新难题。
为了解决这一难题,浪潮与西双版纳国家级自然保护区管护局携手,开发了一款亚洲象生态保护系统,这也是全球首个针对亚洲象的AI保护应用。
目前,这一系统的识别准确率达96%,就算是在晚上、雾天也能精确识别,而且只要是拍到亚洲象的尾巴、屁股就可以。
亚洲象:我不要面子的嘛?
自系统5月上线以来,已经抓拍了超过26万张由动态闯入触发的照片,进行了近2900次预警,在预警区域内还没有发生过人员伤亡的事件。
全球首个亚洲象生态保护系统
那之前有野生亚洲象AI识别吗?
也有,但模型识别精度大概只有60%左右。
其中一部分原因在于亚洲象数量稀少,活动范围广,采集到的亚洲象图像数量少、质量差。再加上亚洲象自身体型、雨林气候多变等不确定因素,更是加深了亚洲象识别的难度。
现在,这些问题被一举解决了,目前亚洲象生态保护系统主要有三大亮点。
- 模型识别准确率达96%,毫秒级识别,秒级预警;
- 局部特征识别,即使仅捕捉到亚洲象尾巴和耳朵也可以精准识别
- 克服雨林复杂的光线条件,比如雨天、夜间、云雾天气,也不会降低识别准确度。
而实现这些,研究团队做到了「软硬结合」。
首先,需要「直面」亚洲象的硬件。
除了传统的地面人员巡护、无人机采集、摄像机……此次系统的采集终端还有红外相机,解决了夜间识别的问题,还可以做到实时传输数据到后台。
然后就是边缘端快速识别推理阶段,前期的模型训练必不可少。
正如刚才所说,研究团队在一开始也遇到了训练样本有限的情况。
为了获取更多的样本数量,他们在野象谷大象经常出没的区域搭建了众多采集站,收集到上万张图片资料。
在模型训练阶段,研究人员在三个月内不断优化深度学习模型。
由于野生亚洲象喜欢在夜间出没,且体型庞大,采集到的画面往往不是完整的躯体。
这就要求模型对大象的「局部特征」有精准识别的能力,还要克服其他物种的特征干扰。
尤其在夜晚光线不足的情况下,大象活动频繁,根据一个尾巴、一个背影很难识别出来,甚至还会把牛、羊等家畜误判为亚洲象。
为了解决这一问题,他们在有效样本中标注亚洲象的特征,涵盖大象的头部、脚部、背部、尾部,以及测定亚洲象的身高来进行「预处理」。
此外,研究人员专门针对一些拍摄光线差(夜间、云雾天气)、画面模糊和影像残缺等问题,对模型进行不断的迭代优化。
在反复比对验证优化之后,最终整个系统的精度达到96%。
这当中,还有浪潮自身超强算力的AI服务器AGX-2加持,加速了学习进程。
24小时实时监测、10秒钟预警
在过往的人工预警系统中,监测方法相对单一,仅靠人工巡护和无人机两种方式,范围窄、效率低,数据较为分散,还不能做到24小时实时监测。
而且人工监测还存在安全风险的问题。
云南西双版纳国家级自然保护区科学研究所所长郭贤明就曾表示,
别看亚洲象个头非常大,其实象在不活动或者纯粹走路的时候一点声音都没有。
之前澜沧一个监测员就是遇到这样的情况,一下子被象攻击了。
现在,亚洲象生态保护系统打开了新局面。
强大的采集终端系统可以进行实时监测,然后根据监测到的亚洲象动态,多渠道及时发布预警信息,以提醒周围居民做好防卫工作,最大程度减少正面人象冲突,提高西双版纳人象冲突事件的预警处置能力和效率。
从识别到预警信息发布不会超过10秒钟,至于为什么会有10秒钟的间隔,郭贤明所长给出了这样一个原因。
系统刚开始搭建时,就预留了10秒钟人工判别的时间。
如果10秒钟以内没判别,系统就会自动将这则信息发布出去,以缓解人象冲突问题。
亚洲象生态保护系统的功能不仅停留在识别和预警,其采集到的数据还将组建成亚洲象及生物多样性数据库。
通过系统积累的数据资料,科研人员能进一步发现它们在习性、生活方面的规律,也能为亚洲象栖息地保护和保护区建设提供参考,这将对亚洲象的保护、研究起到关键作用。
用AI来推动人与象的「和谐互动」,浪潮想要做的不只这些。
就拿这一系统来说,除了实现对亚洲象的无干扰全时段观察,还能够感知雨林生态系统的整体平衡,对雨林温度、湿度以及食物链进行长期科学监测,为进一步保护和研究整个雨林生态系统做数据支撑。
以「计算」来守护生态,并不轻而易举,短期内也不见得会有多少商业回报,但对于生态可持续发展,意义却不言自明。
现在,浪潮迈出了这一步。
如何用人工智能做好生态保护?浪潮给更多想要加入进来的AI创新者们树立了新范式。
“