检测和追踪:澳大利亚的一个实地试验使用机器学习工具来打击非法野生动物贸易

科学领域:

• 野生动物保护 野生动物保护
• 法医科学 法医科学 法医科学
• 人工智能的人工智能是人工智能.

背景情况:

• 非法野生动物贸易对生物多样性,生态系统和人类健康构成重大全球威胁.
• 先进技术的有限现实世界测试阻碍了打击野生动物贩运的努力.
• 目前用于检测走私野生动物的现有方法往往不足以应对复杂的贩运活动.

研究的目的:

• 评估两种机器学习工具在检测走私野生动物的有效性.
• 评估CT X射线扫描辐射暴露数据在野生动物禁用中的安全性和实用性.
• 展示将新技术整合到以情报为主导的执法战略中的潜力.

主要方法:

• 一个机会主义的澳大利亚试验涉及七个月的真实世界野生动物抢劫.
• 部署了两个机器学习算法,其中包括一个CTX射线行李扫描仪 (RTT®110) 和一个便携式X射线光 (pXRF) 设备 (Olympus Vanta).
• 分析了116个被截获的动物 (爬行动物和甲类动物) 在五个属和48个扫描的小块.

主要成果:

• 自动化AI使用AT.3算法检测到56%的扫描货物中的走私野生动物.
• 高分辨率的3DX射线图像使隐藏的野生动物的识别成为可能.
• 机器学习来源模型区分了野生捕获的和被养殖的 (Tiliqua sp. ),有助于执行.

结论:

• 整合机器学习技术显著提高了走私野生动物的检测能力.
• 试验表明,在技术实施后,通过邮政途径出口被扣押的包裹减少了.
• 这些发现支持采用先进的技术解决方案,以更有效地阻止野生动物走私.