應用人工智慧於野生動物監測與保育- 自動化中大型哺乳動物辨識系統開發
- 刊登日期: 2020-04-06
| 執行方法及步驟 | 本計畫結合影像處理與深度學習研發台灣中大型哺乳動物的自動化辨識系統。我們首先發展強健的影像物件偵測法，利用背景相減法取得動物輪廓，再以形態學的開放運算移除雜訊，最後以封閉運算填補圖像後再進行物種分類。本計畫一共訓練包含人類在內的14種動物辨識模型，每個物種訓練50張影像，再用15張影像驗證辨識結果，最後計算正確率等參數評估模型表現。 |
| 執行績效 | 1. 結合影像處理的物件偵測法能偵測深度學習模型無法偵測的野生動物，例如當環境背景複雜，或是動物被植被遮蔽等。 2. 物種辨識模型可辨識人以內的14種動物，其正確率、精準度等參數皆達90%。 3.將用於辨識實驗室動物行為的DeepLabCut 應用於野生動物影片中，發現當動物改變移動方向或是拍攝角度無法完整拍到動物時，無法準確偵測關鍵點。 |
| 結論與建議 | 1. 結論：結合影像處理和深度學習的物件偵測法能更準確偵測影像中欲辨識的動物，所訓練的自動辨識模型為台灣中大型哺乳動物的自動化辨識系統打下基礎。 2. 論文發表: ■ 國際研討會論文 [1] Wei-Ching Yen and Jiunn-Lin Wu*, “A Study on The Amount Prediction of The Small Size Pests in Greenhouse Condition Using Bi-Directional LSTM and Heuristic Algorithm”, The Proceedings of International Computer Symposium 2020，Tainan, Taiwan, December 17-19, 2020. [2] Kai-Ting Su and Jiunn-Lin Wu*, “A Study on The Classification of Shot Categories for The Table Tennis Game Video with The Combination of CNN and Bi-LSTM Networks”, The Proceedings of International Computer Symposium 2020，Tainan, Taiwan, December 17-19, 2020. ■ 國內研討會論文 [1] 郭哲愷 楊家和 吳俊霖*, “使用OpenPose與卷積神經網路於高爾夫揮桿動作分析之研究”, 第十屆網路智能與應用研討會，雲林，July 31-August 1, 2020 [最佳論文獎] 3. 未來規畫：已申請科技部計畫: 使用直接遮罩預測的中心點導向深度學習影像實例分割方法及其在桌球比賽影片分析的應用。未來將申請農委會科技計畫。 |
| 附件 |