به گزارش گروه وبگردی باشگاه خبرنگاران جوان؛ این فناوری از طریق دادههای جمعسپاری توسعه یافته است. این مطالعه به رهبری "جف کلون استاد "دانشگاه وایومینگ انجام گرفته است. محققان در این مطالعه عکسهای حیوانات وحشی را توسط دوربینهای دارای سنسور حرکتی جمعآوری کردند.
آنها یک تکنیک به نام سیستم یادگیری عمیق را اعمال کردند که این سیستم میتوانست 99.3 درصد تصاویر را شناسایی کند. صحت این تصاویر توسط یک تیم متشکل از 50 هزار داوطلب انسانی تایید شده است.
کلون گفت: این فناوری ما را قادر میسازد تا با دقت دادههای حیات وحش را جمعآوری کنیم که این کار میتواند به تجزیه و تحلیل بسیاری از زمینههای زیست شناسی مانند زیست شناسی حیات وحش، جانورشناسی، زیست شناسی بقا و رفتار حیوانات، کمک کند. این فناوری به طرز چشمگیری توانایی ما را برای مطالعه و بقای حیات وحش و اکوسیستمهای ارزشمند، بهبود میبخشد.
کلون و دیگر محققان، شبکههای عصبی عمیق از تصاویر را که تواناییهای حساس حیوانی را تقلید میکند، توسعه دادند. با این حال، این فرآیند ساده نیست، زیرا به دادههای فراوانی نیاز دارد.
تصاویری که حاوی اطلاعات در مورد گونهها هستند باید دقیقا برچسب گذاری شوند تا بتوانند به درستی عمل کنند. دادهها از "Snapshot Serengeti" بدست میآیند. Snapshot Serengeti یک پروژه علمی است که دوربینهای دارای سنسور حرکت را در قسمتهای مختلف کشور تانزانیا توزیع میکند. میلیونها تصویر از شیرها، یوزپلنگها، فیلها و دیگر حیوانات وحشی در این پایگاه داده قرار دارند.
محققان معتقدند برای درک پیچیدگیهای اکوسیستم طبیعی و مدیریت بهتر و حفاظت از آنها، داشتن دانش دقیق و گسترده در مورد تعداد، مکان و رفتارحیوانات بسیار مفید خواهد بود.
بیشتر بخوانید:تراشه مغزی بر روی حیوانات!
برای اینکه این اطلاعات قابل استفاده باشند، کلون و تیم او باید 3.2 میلیون عکس را به متن و شماره تبدیل میکردند. "کریگ پکر" (Craig Packer) سرپرست پروژه Snapshot Serengeti از "دانشگاه مینهسوتا" (University of Minnesota، گفت که با استفاده این فناوری، آنها قادر به اداره دادههای بیشتر نیز هستند.
پهپادها نیز در اندازه گیری دادههای حیات وحش به طور موثری مفید هستند. محققان دریافتند که پهپادها میتوانند اطلاعات دقیقتری در مورد جمعیت حیات وحش در مقایسه با روشهای سنتی سرشماری ارائه دهند.
منبع:ایسنا
انتهای پیام/