訂報
活動+
 

AI演算法找出可能為污染源的畜牧場

史丹佛大學研究團隊開發的演算法,能從空拍圖辨識出豬舍和雞舍。史丹佛大學

畜牧業是水資源污染的主因,但監管機構並無系統性方法可確定畜牧場的位置、數量和規模,因此很難監控可能造成污染的畜牧場。為解決此問題,史丹佛大學(Stanford University)研究團隊已利用機器學習演算法有效辨識可能造成污染的畜牧場,能協助環境監管機構監控每個畜牧場的環境風險。

根據Futurity報導,史丹佛大學(Stanford University)經濟政策研究所高級研究員Daniel Ho表示,其研究展示了政府機構如何利用電腦視覺的快速進步來更有效地保護水資源。

目前有些環境保護和公益團體,試圖藉由手動掃描地形或仔細研究航拍照片來辨識畜牧場,但這是非常耗時的任務。史丹佛大學研究人員將注意力轉向深度學習演算法。他們利用幾個開放工具及兩個非營利組織的數據,重新學習建構出現有圖像辨識模型,以辨識大型畜牧場。

研究人員專注於辨識北卡羅萊納州的畜牧場。他們對基於大量數位圖像掃描的模型進行了重新訓練,以獲取環境組織手動監測的類似線索。例如,該模型可正確分辨養豬場,因為長方形豬舍與大型液體肥料坑相鄰,而長方形雞舍旁邊則是雞糞儲存空間。在這些特徵的支持下,該模型還能估算畜牧場的尺寸。

研究人員發現,其演算法比人工方法發現多15%的畜牧場。而且由於其方法能用於分析多年的美國國家農業影像(NAIP),因此該演算法能藉由辨識任何變化來準確估計成長。該模型能檢測到目標地區93%的畜牧場。

研究人員希望機器學習能補充環境機構和利益集團的人力監測工作。利用機器學習進行重複性辨識任務,可讓人們投入更複雜的事情,例如確定設施可能存在的環境危害。研究人員估計,其演算法僅使用了人工普查方法不到10%的資源,就可辨識95%現有的大型畜牧場。他們希望最終航拍圖像的進步,能讓電腦模型偵測出實際排放到水道中的污染物。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 污染防治 畜牧業 機器學習