對鳥類群體的持續(xù)觀測和保護(hù)一直是相關(guān)保護(hù)區(qū)工作的重中之重，但是由于保護(hù)區(qū)面積大、范圍廣，依靠傳統(tǒng)的鳥類人工調(diào)查難以實現(xiàn)高效的對鳥類重要棲息地的連續(xù)監(jiān)測，無法及時發(fā)現(xiàn)鳥類變化情況，隨著AI識別技術(shù)的發(fā)展，利用其時效性強、獲取快捷等優(yōu)勢特點，結(jié)合安裝高清高變倍攝像頭，可以及時識別保護(hù)區(qū)內(nèi)鳥類種類及數(shù)量，創(chuàng)新保護(hù)區(qū)鳥類監(jiān)測技術(shù)，為保護(hù)區(qū)的綜合管理提供重要支撐。

創(chuàng)視智能科技(南京)有限公司的算法團(tuán)隊研發(fā)出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)高精度鳥類識別算法，有效的解決了鳥類識別的問題，算法準(zhǔn)確率超過92%。對于人類而言，很多不同種類的鳥，肉眼看起來卻幾乎完全相同，通過算法的實際應(yīng)用證明，人工智能(AI)可用于訓(xùn)練計算機以識別和區(qū)分這些鳥類，這是人類無法完成的任務(wù)。

創(chuàng)視智能的算法團(tuán)隊著力研究和解決對低質(zhì)量圖像的識別率不高的難題，通過基于FP32高浮點高精度算法、飽和預(yù)處理等新技術(shù)新算子的使用，提升針對低質(zhì)量監(jiān)測圖像的識別準(zhǔn)確率;同時優(yōu)化和完善了基于低樣本下的鳥類識別算法，目前深度學(xué)習(xí)技術(shù)大都是基于大的樣本庫來完成的，但是部分珍稀鳥類監(jiān)測圖像較少，創(chuàng)視智能形成了一種在少量樣本的情況下，實現(xiàn)高精度的自動識別算法，對野生動物識別的廣泛應(yīng)用有著重要意義。

算法團(tuán)隊通過對不斷積累的數(shù)百萬張樣本的篩選標(biāo)注，并對樣本進(jìn)行隨機裁剪、遮擋、變形等預(yù)處理，分割出超千萬級的樣本素材進(jìn)行訓(xùn)練，從而在算法的魯棒性上有了進(jìn)一步的提高。

基于多尺度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)搭建的深度學(xué)習(xí)算法模型可以對微小的野生動物進(jìn)行精確的識別，同時基于華為昇騰310算力芯片的聯(lián)合開發(fā)，已經(jīng)可以部署在他們集群環(huán)境和邊緣盒式產(chǎn)品中，使得識別速度高且算力性價比高。

在生態(tài)學(xué)中，這些方法先前已用于識別物種級別的動物以及個體靈長類動物，豬和大象。但是，到目前為止，還沒有在鳥類之類的較小動物中進(jìn)行過探索。只要模型中以前知道這些鳥類，該模型就可以從新圖像中識別鳥類。

該鳥類識別算法已成功推廣運用到北京、江蘇、深圳等保護(hù)區(qū)或濕地公園中，極大提升了科研效率，推動了人工智能在生物多樣性觀測及珍稀動物保護(hù)領(lǐng)域的落地。

(新媒體責(zé)編：pl0901)