Ein neues KI -System könnte laut Forschern der Cardiff University dazu beitragen, Elefantenwildern in Malaysia zu verhindern.
Poachnet ist ein neues Werkzeug für maschinelles Lernen, das durch Integration von Deep-Lernen, Elefanten-GPS-Daten und Verhaltenswissen von Elefanten entwickelt wurde, um die Wilderei in Sabah vorherzusagen und zu verhindern.
Die Forschung der Cardiff University von der School of Information und Informatics und der School of Biosciences verwendete maschinelles Lernen und eine intelligente Datenbank, um ein System zu erstellen, das Wilderungsrisiken vorhersagen kann. Die Forschung „,“Poachnet: Vorhersage von Wildering mithilfe eines Ontologie-basierten Wissensgraphen,„wurde veröffentlicht in Sensoren.
Poachnet wurde entwickelt, um zukünftige Geo-Lokationen für Elefanten vorherzusagen, und verwendet diese Informationen, um Wilderungsrisiken zu identifizieren, die auf der Nähe zu identifizierten gefährlichen Bereichen basieren.
Naeima Hamed, Doktorandin an der School of Information und Informatics der Cardiff University, sagte: „Elephant GPS -Daten werden mit einer speziellen Art von KI – einem sequentiellen neuronalen Netzwerk – analysiert Sinnvoller Weg-Dann verwendet Wilderett ein regelbasiertes System, um Wilderungsregeln anzuwenden und verborgene Muster in den Daten zu erkennen.
„Wir fanden heraus, dass Poachnet beim Testen genauer war als andere führende Methoden, die konsequent besser funktionierten. Durch die Umgang mit der Komplexität der Zeit- und Raumdaten und der Umwandlung von Vorhersagen in praktische Regeln bietet Poachnet eine große Verbesserung der Verfolgung und des Schutzes von Elefanten.“
Frühere Ansätze zur Verhinderung der Wilderei von Elefanten haben sich auf bestimmte Aspekte wie soziale Netzwerkanalysen, Multimedia -Data -Mining oder Modelle konzentrieren, die auf Ranger Patrol -Daten basieren – aber der Poachnet -Ansatz der Cardiff University beinhaltet das Verständnis der Wildtierdynamik.
Die Forscher hoffen, dass Poachnet dazu beitragen kann, Strategien für die Bekämpfung von Anti-Poaching in Sabah zu informieren, indem sie auf der Grundlage ihrer Vorhersagen bei der Ressourcenzuweisung hilft. Es kann auch den Einsatz von bewegungsaktivierten Kamera-Fallen in Bereichen leiten, die höchstwahrscheinlich erwartet haben, dass Wilderungsverbrechen vorweggenommen werden.
Professor Omer Rana, Internationaler Dekan für den Nahen Osten und Professor für Performance Engineering an der Cardiff University School für Informatik und Informatik, sagte: „Poachnet ist ein einzigartiges Softwaretool, das semantisch modellierte regionale Datenquellen mit aufstrebenden Algorithmen für maschinelles Lernen und semantischem Denken integriert. Poachnet befasst sich mit einer Herausforderung, die weiterhin Gemeinschaften beeinflusst, die gefährdete Arten unterstützen.
„Sowohl der Klimawandel als auch die Wirtschaft führen zu erheblichen Auswirkungen auf diese Schnittstelle zwischen menschlichen Aktivitäten und natürlichen Lebensräumen. Der in Poachnet verabschiedete datengesteuerte Ansatz kann auch verallgemeinert werden, um andere ähnliche Orte und Nationalparks zu unterstützen. Regierungsressourcen. „
Professor Benoit Goossens, Direktor des Danau Girang Field Centers und Professor an der School of Biosciences der Cardiff University, sagte: „Habitat-Verlust, Konflikt zwischen Menschen und Elef und Wilderei droht Bornean Elephants. Trotz globaler Bemühungen gegen die Bemühungen der Anti-Verschmelz Fahren Sie die Wilderei und reduzieren die Bevölkerung auf weniger als 1500. Wir hoffen, dass Wilderett bei der Wilderei -Präventionsmethoden beitragen kann, was dazu beiträgt, die Gewährleistung des Sicherheit der Elefantenbevölkerung in Sabah für die Zukunft. „
Die Forscher hoffen auch, dass Poachnet durch Integration zusätzlicher Wildtierdatenquellen erweitert werden kann – wie akustische Sensoren, um Schüsse oder Fahrzeuggeräusche, Satellitenbilder zur Überwachung von Lebensräumen und menschlichen Aktivitäten und Kriminalitätsintelligenz zu erkennen.
Weitere Informationen:
Naeima Hamed et al., Poachnet: Vorhersage von Wildering mithilfe eines Ontologie-basierten Wissensgrafiks, Sensoren (2024). Doi: 10.3390/s24248142