首頁 > 技術 > 正文

環球微頭條丨英國非營利組織Conservation AI在全球瀕危物種威脅檢測方面取得巨大飛躍

2023-02-21 20:40:06來源：中關村在線

(相關資料圖)

動圖中所示的是首次使用人工智能（AI）對全球最瀕危的物種之一——穿山甲進行實時檢測的情形。

總部位于英國的非營利組織ConservationAI采用NVIDIA技術讓實時監測成為現實。AI可以幫助實時追蹤最稀有、隱蔽的物種，使動物保護者能夠及時保護它們免受偷獵者、火災等威脅。

該組織四年前由利物浦約翰摩爾大學的研究人員Paul Fergus、Carl Chalmers、Serge Wich和Steven Longmore創立。

在過去的一年半中，Conservation AI已經在全球各地部署了70多個AI攝像頭。這些攝像頭幫助動物保護者通過使用遷移學習訓練的深度學習模型實時檢測威脅，保護生物多樣性。

Chalmers目前在利物浦約翰摩爾大學教授深度學習和應用AI。他表示：“我們這么做的原因很簡單，如果不保護生物多樣性，人類也將從這個星球上消失。而沒有AI，我們就永遠無法實現保護瀕危物種的目標?！?/p>

Conservation AI解決方案使用NVIDIA Jetson邊緣AI平臺和NVIDIA Triton推理服務器構建，可在短短四秒內完成對錄像的分析、識別目標物種，并通過電子郵件向動物保護者和其他用戶發出潛在威脅警報。

它還可以利用一個包含圖像和其他元數據的巨大數據庫，快速模擬生物多樣性和棲息地健康的趨勢，這項分析工作原本需要花費數年時間才能完成。然而現在通過該平臺，動物保護者能夠實時識別這些趨勢和物種活動情況。

Conservation AI與全球150家組織開展合作，包括保護協會、野生動物園、狩獵保護區等。到目前為止，該平臺已處理超過200萬張圖片，其中約一半是在過去三個月處理的。

時間就是生命

一直以來，我們都是在使用相機陷阱（在野外放置配備紅外傳感器的相機網絡）檢測生物多樣性所面臨的威脅。但由于動物和它們所在環境的圖像常常會發生很大的變化，因此相機陷阱會產生難以管理的數據。

利物浦約翰摩爾大學機器學習教授Fergus表示：“常規的相機陷阱研究可能需要三年時間進行分析，等到分析結果出來再對這些物種所面臨的威脅采取任何措施，恐怕為時已晚。Conservation AI可以及時分析這一數量級的數據，并將結果發送給動物保護團隊，這樣就可以實時進行干預，而這一切都是NVIDIA技術賦能實現的?！?/p>

許多瀕危物種居住在人類通信系統范圍之外的偏遠地區。于是，該團隊使用NVIDIA Jetson AGX Xavier模塊分析無人機在此類地區拍攝的錄像。這些錄像被傳輸到一個智能控制器，該控制器可以計算物種數量，或者在檢測到目標物種時提醒動物保護者。

Chalmers表示，與該組織以前的方法相比，配備Triton推理服務器的Jetson模塊所提供的節能型邊緣AI，將深度學習推理的速度提高了4倍。

他表示：“我們選擇Triton是因為該框架的彈性及其對多種模型的支持。通過在NVIDIA加速計算堆棧上訓練模型，我們可以非常迅速地對模型作出很大的優化改進?！?/p>

Conservation AI使用NVIDIA RTX 8000、T4和A100 Tensor Core GPU以及NVIDIA CUDA工具套件對其深度學習模型進行訓練和推理。Fergus認為NVIDIA GPU“徹底改變了存在大數據難題的應用AI和動物保護領域”。

另外，該團隊將物種檢測流程建立在專為視覺AI應用打造的NVIDIA DeepStream軟件開發套件上，實現了現場實時視頻推理。

Chalmers表示：“如果沒有這項技術，一般會派直升機去觀察動物，這么做的成本非常高，而且由于會排放大量二氧化碳而對環境產生不良影響。ConservationAI的技術有助于減少這一排放問題，并在為時已晚之前檢測到對動物的威脅。”

追蹤穿山甲、犀牛等更多動物

英國著名的動物保護協會切斯特動物園已將Conservation AI平臺用于實時檢測偷獵者，包括在烏干達獵殺穿山甲的人。

由于穿山甲等許多瀕危物種的行動難以捉摸，因此很難獲得足夠的圖像來訓練AI模型。因此Conservation AI正在與NVIDIA一起研究使用合成數據來訓練模型。

該平臺還被部署在南非林波波省的一個野生動物保護區。該保護區使用AI監視那里的黑犀牛、白犀牛等野生動物。

Chalmers表示：“一磅犀牛角的價值比一磅鉆石還要高。我們在這些犀牛周圍建立了一個地理圍欄，一旦發現有偷獵者或其他威脅，保護區的人員就可以立即進行干預?！?/p>

Fergus表示，該組織的長期目標是創建一個支持動物保護者開展各項工作的工具套件，包括通過衛星圖像監測野生動物，以及使用能夠分析動物叫聲、森林火災聲音等音頻的深度學習模型。