基于基于深度学习的野生鸟类检测,并与激光旋转机制集成的自动野鸟驱逐系统

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 野生动物管理 野生动物管理

背景情况:

• 野生鸟类对农业构成重大威胁,造成粮食损失和传播禽流感.
• 禽流感在家禽养殖场的爆发导致了相当大的经济损失.
• 有效的野生鸟类控制对于农业的可持续性和生物安全至关重要.

研究的目的:

• 开发和评估一种自动野生鸟类驱逐系统.
• 将用于野生鸟类检测的深度学习与基于激光的排斥机制相结合.
• 评估该系统在减少农场野生鸟群的有效性.

主要方法:

• 开发了一种用于检测野生鸟类的深度学习模型,优化用于小像素目标.
• 将检测模型与激光旋转机制集成为主动排斥.
• 在台湾云林的一个户外养场进行实地实验.

主要成果:

• 开发的系统展示了有效的野生鸟类检测和驱逐能力.
• 统计分析证实,目前野生鸟类数量大幅减少.
• 每天高达40.3%的野生鸟类排斥率.

结论:

• 自动野鸟驱逐系统为减轻农业风险提供了一个有希望的解决方案.
• 基于深度学习的检测与激光排斥相结合,有效地管理野生鸟类种群.
• 该系统有助于防止农业损失和控制禽流感的传播.