Ultralytics YOLO27:
获取 YOLO 许可
Ultralytics YOLO

保护生物多样性:Kashmir World Foundation 使用 Ultralytics YOLOv5 和 YOLOv8 取得成功

了解 Kashmir World Foundation 如何运用 AI 和 YOLOv5 保护野生动物并打击偷猎。

NUNuvola Ladi6 分钟阅读
Kashmir World Foundation 使用 YOLOv5 保护野生动物

克什米尔世界基金会(KWF)于 2008 年在弗吉尼亚州大瀑布城成立,使命是运用最新技术,在全球范围内保护野生动物。KWF 建造并运营自主无人系统,以支持其保护野生动物和打击偷猎的工作。2013 年,KWF 开始在其运营中采用人工智能。

据 WWF.),栖息地丧失对“红色名录”中 85% 的物种构成最大的生存威胁;该名录将物种列为濒危或受威胁物种。与此同时,用于传统药物、美食或异宠的野生动物需求依然高涨,据报道还在不断增长。栖息地丧失与偷猎共同威胁着全球生物多样性,并对当地社区和环境造成灾难性影响。

创始人兼执行董事阿莉娅·潘多尔菲指出,内部协作十分紧密:“来自世界各地的学生、学者、工程师和科学家都愿意贡献自己的时间和专业知识。”KWF 由来自世界各地的志愿者 100% 运营。通过他们的努力,KWF 在保护受威胁物种和众多濒危物种方面取得了显著进展,例如卡塔尔的沙猫、哥斯达黎加的海龟,以及喜马拉雅山脉的雪豹。

“我们做这些事都是因为热爱动物,但更重要的是,我们希望运用自己的技能为世界做好事,为这些原本可能无法存活下来的物种带来积极改变。” 阿莉娅·潘多尔菲,克什米尔世界基金会创始人兼执行董事

打击偷猎问题#

在许多情况下,保护工作者很难抵达发生偷猎的地点。KWF 在世界偏远地区开展保护工作时,必须应对四个主要障碍:

  • 恶劣多变的天气
  • 难以预测的社会政治因素
  • 严酷难行的地形
  • 缺乏资源,无法随时派人前往这些地区

过去,保护工作者会在野外放置录像设备,打算之后再回看录像。录像往往长达数百甚至数千小时,因此这种做法依赖观看者细致地检测并识别动物物种和偷猎者。受时间限制和人为错误影响,这种方法让保护工作者处于不利地位。KWF 的志愿者意识到,他们需要更好的装备来抵制偷猎和非法狩猎。

使用 YOLOv5 检测到的亚洲胡狼

技术不可避免的发展是一把双刃剑。随着技术质量不断提高、可及性不断增强,保护工作者和不法分子都能获得最新技术。为了保持优势,保护工作者必须做好准备,利用最新技术为自己所用。

创新解决之道#

潘多尔菲需要一种能够在野外提供实时信息的有力解决方案。她需要一个能消除人为错误并应对四个主要障碍的方案;她明白,在反偷猎行动中,哪怕几秒钟也可能影响结果,这意味着实时洞察可以直接帮助阻止动物被杀害。

凭借创造力,潘多尔菲认真考虑了项目所需的技术和资源。她所需要的许多技术如今已经可以使用,但她也期待不久后会推出新的硬件和软件。她因此带领 KWF 团队开发利用无人机、AI 和 GPS 功能的方法。

使用 YOLOv5 检测到的鼬

“项目刚开始时,社区里有很多质疑声。有人告诉我这很疯狂、不可能做到、你做不到,而且根本没有这项技术;但我着眼于长远,相信计算机科学和无人机能力需要不断发展并融合,才能实现这个项目。”

KWF 在存在风险的地点部署各种摄像头和传感器,获取来自世界各地的数据,为团队提供可执行的洞察,以便迅速做出决策。

潘多尔菲说:“想象一下某个地点有偷猎者。我们希望能够跟踪他们,并向护林员发送他们的位置,让护林员拦截偷猎者,在他们杀害动物之前阻止他们。”

为什么选择 YOLOv5?#

KWF 需要实时目标检测,因此模型输出必须高度准确、可靠。在权衡各种选择时,潘多尔菲领导的 KWF AI 团队负责人、来自荷兰的学生 Daan Eeltink 比较了 YOLOv4 和 YOLOv5 的性能。YOLOv5 有几项明显优势,让 KWF 团队决定在项目中采用它:

  • YOLOv5 模型训练所需的图像更少。
  • 它的开源特性让 KWF 团队能够轻松使用这项技术。
  • YOLOv5 的学习曲线并不陡峭。

KWF 依靠来自世界各地的志愿者、工程师和实习生团队,开发保护工作所需的技术。许多实习生是高中生,其中一些人对 YOLOv5 几乎没有或完全没有经验。潘多尔菲发现,即使是经验最少的人,也能在不到三周的时间内让 YOLOv5 运行起来。

此外,集成实验跟踪平台后,微调模型和数据集变得简单直接,让 KWF 能够最大限度地提升其 YOLOv5 模型在野外的性能。

“YOLOv5 的准确率很高,帮助我们在动物被杀害之前救下它们,这正是我们的最终目标。”

潘多尔菲表示,如果没有 YOLOv5,她的 KWF 团队会感到沮丧。在采用目标检测之前,保护项目缺少足够的数据。2023 年初,KWF 将把工作转移到 Ultralytics YOLOv8,这是 YOLO 系列视觉 AI 架构的最新版本。

YOLOv5 部署#

目前,KWF 在野外传感器上部署 YOLOv5 进行目标检测。这些设备会将数据发送给生物学家,由他们分析信息并提出可执行的洞察。未来一年,KWF 计划使用包含无人机影像的数据集训练 YOLOv5,之后再将这些无人机部署到野外。

保护项目#

海龟#

世界上有七种不同的海龟,而且每一种都被列为濒危物种。雌性海龟产卵时会爬上海滩,在沙地上挖出巢穴并产卵。这个过程可能需要数小时;结束后,雌性海龟会返回海中,留下海龟蛋在沙地里孵化 55-65 天。雌龟离开后,海龟蛋几乎没有防护,容易受到偷猎者、捕食者和自然环境的威胁。

克什米尔世界基金会海龟保护信息图

过去,保护工作者追踪海龟的方法是在海滩上标记所有有巢穴的位置。如果这些区域的威胁较高,保护工作者会暂时将巢穴迁至更安全的地点,并在海龟孵化后将它们放归海洋。

这一过程可能需要工作人员徒步巡查长达 30 英里甚至更长的海滩,并标记巢穴。每天提供足够人手来完成这项工作一直很困难,尤其是在 COVID-19 封锁期间。

此外,标记海龟巢穴有时反而会适得其反。偷猎者可能会找到被标记的巢穴,猪也能学会标记意味着附近有海龟巢穴,进而吃掉海龟蛋。

KWF 看到了改进这一流程的机会:减少人力需求,并用不易被识别的方式取代显眼标记。通过使用 YOLOv5 部署自主空中系统来检测、定位和识别海龟巢穴,生物学家就能实时获取海龟巢穴信息,包括海龟踪迹和地理位置,从而不再需要生物学家徒步巡查海滩并标记巢穴。

雪豹#

雪豹浓密的白色皮毛上带有深色斑环,使它们能够完美地隐蔽在喜马拉雅山脉的环境中。在野外,雪豹是顶级掠食者,没有天敌。然而,由于时尚行业和传统医学对雪豹皮毛及其他身体部位的需求极高,再加上栖息地丧失和破碎化,据估计,野外仅存4,000 到 6,500 只雪豹。

由于雪豹栖息地环境恶劣,保护工作面临极大困难,主要因素包括:

  • 海拔高
  • 降雪量大
  • 气温极低
  • 强风
  • 陡峭的峡谷
  • 严酷难行的地形

此外,在野外发现雪豹的情况极为罕见。因此,KWF 正在开发一种自动化保护方案,利用无人机技术追踪和保护这些大型猫科动物。目前,无人机技术仍在研发中,目标是让无人机能够在追踪雪豹所需的环境中运行;雪豹通常活动在海拔约 20,000 至 22,000 英尺的区域。

使用 YOLOv5 检测到的雪豹

这项技术成熟后,KWF 计划在传感器和无人机上使用 YOLOv5,随后将它们部署到喜马拉雅山脉。为了追踪雪豹,这些传感器和无人机能够检测雪地上的爪印;爪印通常很快就会被风吹散。之后,这些实时信息会传递给生物学家和自然保护工作者。

访问克什米尔世界基金会网站,了解你可以如何为该基金会在全球开展的保护工作贡献力量。

Explore solutions

航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情
航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情
航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来