第一财经西双版纳密林里,人工智能如何让亚洲象与人和谐共生( 二 )


为了提高模型精确度 , 浪潮在野象谷周边搭建了众多采集站点 , 收集到上万张野生亚洲象图像资料 , 专门针对阴雨天、夜间等画面光线差、模糊、残缺等问题 。 浪潮工程师又进行了三个多月的算法优化 , 反复比对不同算法对不同验证样本的准确度 , 修正算法进行验证与优化 , 将模型精度提高到了90% 。
这套监测预警系统架构 , 实现了计算、存储、网络等资源的统一调度管理、科学规范的实时监测预警 , 更有利于高效快捷的运维和深度科研工作的开展 。 浪潮的云边端协同实现了毫秒级识别、十几秒发布 , 为监测预警系统提供高效、安全的算力支撑 。 同时 , 边缘端处理后的数据也将被传输至云端数据中心的亚洲象深度学习训练平台 ,帮助模型算法不断优化迭代 , 提高亚洲象监测的准确性和实时性 。 数据中心端借助管护员提供的模型训练数据与浪潮自采集数据 , 对大象影像资料进行机器学习与建模并不断迭代 , 识别准确率高达 96%以上 , 且仍在不断提升 。
“这个系统下一步在扩展以后 , 最终不仅仅只是一个预警的功能 。 它可能还融入更多的科研的功能 。 我们需要做一些栖息地的预期 , 如果把这个系统再建立起来观察亚洲象和其他的一些野生动物的一些活动情况 , 那通过这一套经验 , 可以把做亚洲象食源地的这套做法推广到其他的一些野生动物 。 ”郭贤明说这套系统的投入级别是千万级 , 每年的维护费用预计在百万级 。


推荐阅读