基于AI的Global Fishing Watch平台增加数据层,监管全球非法捕鱼活动
2018年06月11日 由 浅浅 发表
217435
0
人工智能目前在交付机器人,自动驾驶汽车以及海洋生态追踪系统领域飞速发展。Global Fishing Watch是由谷歌,Skytruth和Oceana共同创建的一个平台,负责监测全球的捕鱼活动,宣布增加两个新的数据层以提高过度捕捞的“透明度”和“警觉度”。
粉色圆圈代表两艘互相靠近的渔船
其中一个新层为跟踪转运。有一种方法是一艘渔船将其渔获量卸载到另一艘海上冷藏船,将非法捕获的鱼类与法定海产品相结合,并且通常发生在国际水域,使当局难以跟踪。
Global Fishing Watch通过12个类别的30万艘船舶的数据库训练了机器学习算法,以确定渔船与冰箱船停靠的时间,以及确定转运发生的可能性。它会自动绘制地图上的这些地点,突出显示需要进一步调查的热点。
根据Global Fishing Watch引用的一项研究,在全球范围内,每年约有价值23.5亿美元的鱼,大约每五种鱼中就有一种是非法的、未报告的和不受管制的(OUU)。
被称为自动识别系统(AIS)没有GPS设备的渔船是当局面临的另一个挑战,Global Fishing Watch采用了一种新颖的解决方案:从太空监控明亮的船舶。利用美国国家海洋和大气管理局(NOAA)运营的气象卫星提供的数据,算法可以检测船上的灯光,从“带有基本灯光的小木船”到“具有相当于体育场馆照明的大型工业船”,从而跟踪另外的10至20万艘船。
2016年发布的“全球钓鱼观察”展示了一艘接近于实时(距当前72小时)的渔船世界地图,并且可以推断船只正在捕鱼的地点,捕鱼的类型参与甚至是引擎的大小。在推出当今新型过滤器之前,该系统的神经网络能够识别7万多艘商业运输船。
捕鱼不是研究人员在人工智能帮助下追踪的唯一活动。在本周美国国家科学院(PNAS)会议中认可的一篇论文中,科学家们详细介绍了一个系统,该系统可以以96.6%的准确度识别,描述和统计野生动物。2016年11月,昆士兰大学的科学家们使用TensorFlow机器学习框架来训练能够自动检测海洋图像中的海牛的算法。