用深度学习和计算机视觉分析生物图像和定量监测

科学领域:

• 生态与保护科学 生态与保护科学
• 计算机科学和人工智能 人工智能

背景情况:

• 手动生物计数方法是劳动密集型的,限制了野生动物监测的可扩展性.
• 深度学习和计算机视觉为自动化生物计数提供了潜在的解决方案.

研究的目的:

• 审查深度学习和计算机视觉的集成,用于自动化生物计数.
• 评估各种AI模型和获取平台在生态评估中的有效性.

主要方法:

• 对各种数据源 (摄像机陷,无人机,遥感) 应用的深度学习模型 (CNN,YOLO,变压器) 的文献综述.
• 分析不同种类和生态系统的准确度指标和挑战.

主要成果:

• 深度学习方法实现高精度 (通常>95%) 计数各种类型,如昆虫,水生生物和植被.
• 在摄像头陷,无人机和遥感平台上成功应用.

结论:

• 自动计数大大增加了生态监测的数据吞吐量.
• 未来的工作应该优先考虑自我监督学习和数据增强,以克服诸如封闭和数据稀缺等挑战,使强大的操作工具成为可能.