Сохранение береговых птиц

С помощью ряда научных мер, таких как изменение микрорельефа, регулирование уровня воды и восстановление экологии водно-болотных угодий, мы стремимся создать среду обитания, которая сможет удовлетворить потребности различных перелетных птиц. После завершения проекта реставрации при ежедневном управлении местом прилива и отлива необходимо поддерживать определенную пропорцию голых равнин, мелководных участков, глубоководных участков и контролируемых участков с низкой растительностью. Вручную контролируя уровень воды для обеспечения относительной стабильности различных участков уровня воды, контролируя высоту сорняков для поддержания голых участков равнины, чтобы обеспечить среду обитания различных перелетных водных птиц, таких как береговые птицы, цапли, чайки, утки и т.д. Использование беспилотных устройств, таких как видеонаблюдение, для мониторинга сообществ водоплавающих птиц с целью оценки характера использования мест обитания этими перелетными птицами и последующей оценки качества среды обитания.

Мониторинг водно-болотных птиц является основой стратегий охраны и управления почти всеми типами водно-болотных экосистем. С постоянным совершенствованием инфраструктуры охраны водно-болотных угодий в Китае, включая дистанционные устройства для сбора большого количества акустических и визуальных данных о дикой природе, растет спрос на технологии фильтрации и анализа данных. Обнаружение объектов на основе глубокого обучения стало фундаментальным решением для анализа больших данных и было протестировано во многих областях применения. Однако эти методы глубокого обучения еще не были опробованы для обнаружения мелких водных птиц в видеозаписях мониторинга в режиме реального времени. Мы предлагаем улучшенный метод обнаружения, который добавляет дополнительные головки предсказания, модули внимания SimAM и непрерывные кадры в YOLOV7, названный YOLOv7 Waterbirds, для устройств видеонаблюдения в реальном времени, чтобы определить зоны внимания и выполнить задачи мониторинга водных птиц (идентификация, подсчет и оценка плотности). На основе набора данных по водоплавающим птицам средняя точность (mAP) YOLOv7 Waterbirds составляет 67,3 %, что примерно на 5 % выше, чем у эталонной модели. Кроме того, коэффициент запоминания улучшенного метода составляет 87,9% (точность=85%), а коэффициент запоминания для мелких водоплавающих птиц (определяемых как пиксели размером менее 40x40) - 79,1%, что говорит о том, что его производительность при обнаружении мелких объектов превосходит оригинальный метод и многие другие популярные алгоритмы глубокого обучения. Этот алгоритм может быть использован департаментами по управлению охраняемыми территориями или другими организациями для использования существующих камер наблюдения для более точного мониторинга водных растений, что в определенной степени способствует сохранению дикой природы.