查看原文
其他

飞到半路被撞?不是小鸟不专心,而是太阳能太晃眼

神经小兮 HyperAI超神经 2022-04-30

By 超神经


场景描述:美国能源部下属的阿贡国家实验室,正在开发用于识别并监测鸟类与太阳能设施相互作用的技术,该项目对于鸟类保护和太阳能设施的规划、布局都将产生积极意义。


关键词:计算机视觉 鸟类 太阳能



据统计,世界上每年有几十亿只鸟儿死去,而这其中,被撞死的就有近十亿只。


2019 年 4 月,美国康奈尔大学鸟类学实验室(the Cornell Lab of Ornithology)一项报告就曾指出,每年大约有 6 亿只鸟因撞在美国高楼上而死亡。


玻璃幕墙建筑以及玻璃窗,都成了「鸟类杀手」


但造成这种结果,并不是因为鸟儿视力不好,而是因为建筑物的玻璃幕墙、玻璃窗以及里面摆放的植物,都会让飞行中的鸟儿「误入歧途」,与大楼相撞。


不过,除此之外,很少有人知道,还有一种杀伤力很大的鸟类杀手——太阳能设备。


 美国太阳能每年「杀死」数万只鸟


鉴于太阳能无污染、储量大、可再生等优势,人们将会更多地才采用太阳能设施。


但随着越来越多太阳能系统的安装,人们也开始关注其对野生动物与环境造成的影响。比如太阳能的镜面反射,有可能会影响野生动物与鸟类的视线。


太阳能面板的高温还会灼伤栖息在上面的鸟儿


美国阿贡国家实验室(Argonne National Laboratory)曾基于有限的数据,在 2016 年发表了一项研究,估计了鸟类与美国光伏电池板的碰撞相关数据。


其中,数据显示,全美公用规模的太阳能设施每年会杀死 37800 到 138600 只鸟。


预测数据包括已安装以及正在建设中的太阳能


注:由于鸟类死因的不确定性,评估的数字范围较大


虽然这个数字与每年数亿只鸟因建筑和车辆撞击而死亡相比,并不算太大,但如果放任不管,随着全球太阳能设施的增加,命丧太阳能的鸟儿数量也将随之增加。


评估报告中显示的美国太阳能潜力


所以,深入了解这些死亡是如何发生,以及何时发,可以帮助人们有效预防。一方面,这是对鸟类的保护;另一方面,减少鸟类在太阳能设施周围的活动,也会大大减少工作人员的清洁工作,可谓双赢。


清洁鸟屎也是太阳能设备维护人员的日常工作


 用计算机视觉技术,量化影响


为了对鸟类与太阳能之间的交互进行评估,科学家们正在量化彼此的相互影响,而目前用人工进行数据收集的方法非常耗时耗力。


最近,美国能源部下属的阿贡国家实验室(Argonne National Laboratory)公布了一个解决方案,用计算机视觉与人工智能技术监测鸟类与太阳能基础设施相互作用。


捕获飞行并栖息在太阳能鸟类的视频系统


具体而言,阿贡实验室的新项目,将结合计算机视觉技术和人工智能模型,测鸟类在太阳能电池板上的活动,以比人类更低的成本,收集它们飞过、栖息或与太阳能电池板相撞时的数据。


团队中的生态学家 Leroy Walston 说:「收集所有这些信息,需要人们在野外的设施中走动,寻找鸟类尸体,非常耗时耗力,成本是相当高的。」


而且,用人力收集的方法,在频率和跨度上也很有限,这样也很难掌握鸟类在太阳能电池板周围的行为数据。


领导了这个项目的遥感科学家 Yuki Hamada 介绍道:「虽然之前已经有关于太阳能基础设施如何影响鸟类数量的猜测,但我们需要更多的数据来科学地了解发生了什么。」


Yuki Hamada 是陆地生物物理遥感科学家

加州大学圣塔芭芭拉分校和圣地亚哥州立大学地理学博士


阿贡国家实验室是美国政府规模最大、历史最悠久的科研机构之一。这个为期三年的鸟类-太阳能交互监测项目,已获得美国能源部太阳能技术办公室 130 万美元的资助,并于今年春天启动。


 识别鸟儿,比识别无人机更复杂


据介绍,实现这一项目目标,共涉及三个任务:


  • 探测太阳能电池板附近的移动物体;

  • 辨别哪些物体是鸟类;

  • 对事件进行分类(比如栖息、飞行或碰撞)。


科学家们还将使用深度学习构建模型,识别鸟类及其行为。


在阿贡实验室的一个早期项目中,研究人员就曾训练计算机识别在头顶上空飞行的无人机。


无人机探测模型的开发者,软件工程师 Adam Szymanski 指出,禽类与太阳能相互作用的项目,将会以识别无人机的技术为基础,但会更复杂。


比如,太阳能设备的摄像头将朝向太阳能板,而不是向上,因此背景会更加复杂。而且,系统将需要区分鸟类和视野中的其他移动物体,比如云、昆虫或人。


在项目初期,研究人员将在一两个太阳能电站安装摄像机,记录和分析视频。为了训练计算机模型,需要手动处理和分类数小时的视频。


此外,由于碰撞相对较少,研究人员表示,可以用玩具鸟之类的物体来模拟碰撞,这样系统就有了初始信息,可以用作训练例子。


系统在太阳能设施上识别出鸟类(红框标识)


一旦模型训练完成,它就会在摄像机内部运行实时视频,在飞行过程中,就对禽类-太阳能的交互进行分类。当然,这是另一个涉及边缘计算的挑战。在边缘计算中,信息处理中心距离数据收集地更近。


Szymanski 还补充说道:「我们没有足够的财力录制大量的视频,再把它们送回实验室进行分析。所以,我们必须设计出更高效的模型,这样它才能在边缘实时执行。」


 深远意义:保护更多野生动物


据介绍,该项目除了探测、监测和报告鸟类在太阳能设施周围活动外,当碰撞发生时,该系统还会通知太阳能设施的工作人员。


这些结果,都将帮助人们更好地了解鸟类与太阳能的相互作用,可以辅助太阳能设施的选址,以及减少对野生动物的影响。


Hamada 说,随后,这项技术将为更多大规模现场试验的太阳能设施,做好准备,项目中收集到的数据可用来检测,其各方面模式设置是否最佳


同时,这些数据也将解答诸如以下疑惑:


太阳能设施中,某些类型的鸟更容易受到攻击吗?

碰撞会在一天或一年中的特定时间增加吗?

太阳能电池板的地理位置,在各种相互作用中有影响吗?

太阳能设施能为鸟类提供可行的栖息地吗?


此外,该技术框架还可以通过使用适当的数据,对人工智能进行再训练,从而来监测其他野生动物。


「一旦确定了模式,就可以将这些知识用于野生动物保护计划。」Hamada 说。


希望该项目能让鸟儿和太阳能愉快共处


—— 完 ——

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解详情

更多精彩内容(点击图片阅读)



您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存