LegközelebbKövetkező útmutató
AI Parts Identification from Photos for Mechanics
Alkalmazások
Alkalmazási ÚTMUTATÓ
A mesterséges intelligencia meghallgatja a hangfelvételeket, és azonosítja, mely madárfajokat hívja, így a mikrofonokat automatizált természetkutatókká alakítja.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez azért fontos, mert lehetővé teszi a kutatók és a nyilvánosság számára a biológiai sokféleség folyamatos, olcsó és széles körű nyomon követését.
A madarakat sokkal könnyebb hallani, mint látni, ezért az akusztikus megfigyelés hatékony módja a felmérésüknek. Az AI-rendszerek a nyers hangot spektrogrammokká alakítják, amelyek megmutatják, hogyan változik a hangfrekvencia idővel, majd konvolúciós neurális hálózatok segítségével felismerik az egyes fajok dalainak és hívásainak egyedi mintázatait. A több ezer fajra kiképzett Cornell's BirdNET támogatja a népszerű Merlin Sound ID alkalmazást, amely valós időben azonosítja a madarakat a telefonon. Az alkalmazásokon túl a hónapokig erdőben hagyott autonóm rögzítőegységek éjjel-nappal rögzítik a hangot, amelyet a mesterséges intelligencia feldolgoz, hogy feltérképezze a fajok jelenlétét, abundanciáját, a vándorlási időzítést és még az éjszakai repülési hívásokat is. Ez olyan munka, amelyet az emberi megfigyelők nagy területeken nem tudnának folyamatosan elvégezni.
A BirdNET által működtetett Merlin Bird ID alkalmazás valós időben azonosítja a madárfajokat a telefon mikrofonjáról.
A kutatók autonóm adatrögzítő egységeket telepítenek távoli erdőkben a fajok egész évszakon át tartó megfigyelésére.
A természetvédők a mesterséges intelligencia által rögzített éjszakai repülőhívások elemzésével követik nyomon az éjszakai vándorlást.
A Xeno-canto és a Macaulay Library címkézett felvételeket biztosít az azonosítási modellek betanításához és összehasonlításához.
Az önfelügyelt és alapozó hangmodellek csökkentik a hatalmas címkézett adatkészletek iránti igényt, és javítják a ritka vagy rosszul dokumentált fajok felismerését. Apró, alacsony fogyasztású „széli” eszközökre számíthat, amelyek a helyszínen futtatják az azonosítást, és csak az észleléseket továbbítják, lehetővé téve a sűrű szenzorhálózatokat. Az időjárási radarral és a polgári tudományos platformokkal, például az eBirddel való integráció finomítani fogja a vándorlási előrejelzéseket, és a több fajra kiterjedő hangképelemzés a biodiverzitás szabványos mérőszámává válik a megőrzés és a földgazdálkodás terén.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A mesterséges intelligencia meghallgatja a hangfelvételeket, és azonosítja, mely madárfajokat hívja, így a mikrofonokat automatizált természetkutatókká alakítja. Ez azért fontos, mert lehetővé teszi a kutatók és a nyilvánosság számára a biológiai sokféleség folyamatos, olcsó és széles körű nyomon követését.
A hangot spektrogrammá alakítják, a frekvencia és az idő képévé, így a képfelismerő hálózatok osztályozhatják a hívás alakját.
A Cornell's BirdNET, amelyet több ezer fajra képeztek ki, irányítja Merlin valós idejű hangazonosítását.
Sok madár hangos, de nehezen észrevehető, így hangjaik rögzítése olyan fajokat rögzít, amelyeket a vizuális felmérések figyelmen kívül hagynak.
Az egyszerre több madár, valamint a szél és egyéb zajok megnehezítik az egyes fajok elkülönítését és osztályozását.
A Xeno-canto és a Macaulay Library nagy tárháza a felcímkézett madárfelvételeknek, amelyeket képzéshez és teljesítményértékeléshez használnak.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
AI Parts Identification from Photos for Mechanics
Alkalmazások