用计算机视觉监测非洲各地的秃鹫物种
完整解决方案
用 Declas 检测白背兀鹫
Stanislas Mahussi Gandaho
该人工智能解决方案利用生物技术加强物种监测，促进生物多样性保护的技术转让，从而支持全球生物多样性框架（GBF）目标 17 和 20。该解决方案利用深度学习模型 "YOLOv11 版"（YOU ONLY LOOK ONE 11），自动识别和分析无人机和相机捕获数据中的极度濒危秃鹫（非洲秃鹫、秃鹫捕食者、秃鹫捕食者和秃鹫捕食者）。来自非洲公园网络（APN）、南部非洲野生动物学院（SAWC）、濒危野生动物信托基金（EWT）、iNaturalist 等平台以及 GBIF 的数据将用于培训和验证模型。
该项目将应对劳动密集型监测和数据缺口等挑战。它的开源设计促进了整个非洲保护网络的可访问性、协作和能力建设，直接解决了生物多样性数据和监测系统方面的差距。
最后更新 31 Oct 2025
112 意见
照片和视频库
背景
应对的挑战
在环境方面，该解决方案能够准确监测极度濒危的秃鹫，从而防止其数量下降。这有助于有针对性地保护秃鹫，保护它们作为食腐动物的生态作用，这对防止疾病传播和维护生态系统健康至关重要（Den Heever 等人，2021 年）。在社会方面，我们的解决方案旨在利用照相机陷阱对秃鹫进行有效监测（de Freitas 等人，2025 年；Fernández-Bellon 等人，2017 年；Harrison 等人，2019 年；Maphalala & Monadjem，2017 年），因为使用照相机陷阱进行传统监测仍具有挑战性（Young、Rode-Margono & Amin，2018 年；Vélez等人，2023 年）。它通过生成数据支持教育活动，解决了人们对秃鹫的重要性缺乏认识的问题，并提供了一种可访问的开源工具，增强了资源有限的保护工作者的能力。在经济上，它降低了依赖劳动密集型调查的传统监测的高昂成本。
地点
贝宁
南非
西非和中非
北非
东非和南非
过程
过程概述
这一综合解决方案的成功取决于其各个组成部分如何相互促进：数据收集和人工智能开发（第 1 部分）为高质量的模型训练数据奠定了基础，为 Declas 监测工具（第 2 部分）提供了动力，确保了物种检测的准确性。这种技术能力使能力建设和宣传计划（项目 3）能够有效地将技能传授给保护工作者。当地合作伙伴网络通过促进数据收集和受益者参与培训来扩大这一影响，而培训后支持则确保了工具的持续采用。
积木
人工智能驱动的秃鹫物种识别模型
该构建模块旨在通过开发一个模型，从视觉数据中检测和分类四种秃鹫（非洲秃鹫、秃鹫秃鹰、秃鹫秃鹰、秃鹫秃鹰），从而实现秃鹫监测的自动化，减少人工操作，加快分析速度，并确保一致性。它利用 Google Colab Pro+ 在大型图像数据集上运行 Python 代码和训练模型，并使用 Ultralytics 软件包和 YOLOv11 进行秃鹫分类。图像存储在 2 TB 的 Google Drive 中，通过 rinat R 软件包从 iNaturalist 数据库中获取，并由南部非洲野生动物学院和濒危野生动物信托基金提供的数据进行补充。计算机视觉注释工具（CVAT）团队计划实现了协作式图像注释，允许多个用户标注并导出带有注释的图像，用于训练和验证。
有利因素
- 高质量、带注释的数据集，包含代表不同环境和条件下目标物种的各种图像。
- 用于训练和验证人工智能模型的计算资源（Google Colab Pro+）。
- 与保护工作者合作，在实地条件下验证模型结果。
经验教训
- 确保数据集能代表真实世界的条件，以避免检测偏差（如照明、角度、栖息地）。
- 利用新数据定期更新模型，提高准确性和适应性。
- 挑战包括因物种特征重叠而造成的分类错误；让专家验证初步结果至关重要。
用于监测秃鹫的开源软件
该构件利用开源人工智能工具 Declas 自动监测秃鹫。通过分析图像或视频，它能高精度地检测和分类物种。该系统消除了人工计数，实现了可扩展、经济高效的野生动物追踪。用户--研究人员、护林员或保护主义者--只需上传视觉数据，该工具就能生成实时见解，从而做出明智的决策。该工具基于 YOLOv11（Ultralytics）开发，并根据众包数据进行训练。
有利因素
- 简单直观的用户界面，确保非技术用户也能使用。
- 为用户提供文档和培训资源，帮助他们理解并有效使用应用程序。
- 社区反馈，以不断提高工具的可用性和功能。
经验教训
- 可用性是关键；过于复杂的界面会让用户望而却步。
- 提供技术支持和清晰的文档可确保更广泛的采用。
- 集成方面的挑战包括如何使人工智能模型的输出与用户友好的可视化工具保持一致；迭代测试对于解决这一问题至关重要。
资源
混合培训和保护宣传
该模块为贝宁和南非（离线）以及全球（通过 Zoom 在线）的研究人员和保护人员提供使用 Declas 的实践培训。培训内容包括
- 软件使用：上传数据、解释人工智能生成的结果以及将研究结果纳入保护战略。
- 保护宣传：提高人们对秃鹫减少以及人工智能在可扩展监测中的作用的认识。
学员将学习在实地调查中部署 Declas，减少对人工计数的依赖，同时提高数据的准确性。这种混合方法可确保广泛的可及性，利用具有成本效益的技术增强当地团队的能力。
有利因素
- 为在线/离线会议提供可靠的互联网和电力。
- 当地合作伙伴的后勤和参与支持。
- 培训前准备（材料、软件设置）。
影响
该项目在环境、社会和经济方面都产生了重大的积极影响。
环境影响
人工智能模型在索塔、三河和阿里博里高级森林（贝宁）以及肯皮亚纳和马涅莱蒂保护区（南非）进行了测试。在这些地点，它在 89% 以上的分析图像中准确识别出了非洲豚，证实了它们在这些生态系统中的存在。在贝宁，它检测到的秃鹫数量比以前的人工调查高出 15%，这说明它在为监测秃鹫种群提供可靠数据方面非常有效。通过确定秃鹫的日常活动高峰模式，它有助于完善保护策略，例如确保在觅食高峰期提供秃鹫尸体。
社会影响
Declas 软件自 4 个月前发布（https://zenodo.org/records/14166440）以来，在未进行推广或混合培训的情况下，下载次数已超过 90 次。
经济影响
该工具大大降低了 40% 的监测成本，节省了之前使用相机陷阱进行实地调查的资源。保护秃鹫间接造福了当地经济。
受益人
非洲保护组织、研究人员和当地社区通过改进物种监测、提高数据获取能力、加强能力建设以及加强极度濒危秃鹫的保护成果而受益匪浅。
此外，请说明您的解决方案的扩展潜力。能否复制或扩展到其他地区或生态系统？
该解决方案具有很强的可扩展性，可在全球其他地区或生态系统中复制。人工智能模型可以利用当地数据进行再训练，以监测不同的物种，而开源应用程序则确保了不同保护团队的可访问性。例如，它可以扩展到监测亚洲或拉丁美洲的清道夫物种，甚至其他关键物种，如捕食者或授粉者。通过与全球保护网络合作，该解决方案可以整合来自多个地区的数据集，从而增强其适应性。只要有相关的图像数据和物种注释，只需稍加调整，它就能应用于从热带稀树草原到温带地区的不同生态系统。它的成本效益和用户友好型设计使资源有限的团队也能使用，从而进一步促进了广泛应用。
全球生物多样性框架 (GBF)
全球生物技术基金》具体目标 17--加强生物安全并分配生物技术的惠益
全球生物多样性框架》目标 20：加强生物多样性方面的能力建设、技术转让和科技合作
可持续发展目标
可持续发展目标 3--良好的健康和福祉
可持续发展目标 9--工业、创新和基础设施
可持续发展目标 15--陆地生活
可持续发展目标 17--目标伙伴关系
故事
在贝宁索塔的中心地带，一位名叫安格的年轻保护主义者站在一个相机陷阱前，惊叹于镜头中捕捉到的秃鹫的景象。这些秃鹫不仅是公园野生动物的一部分，它们还是公园生态系统健康的指标，对周围社区至关重要。但是，尽管秃鹫非常重要，它们，尤其是极度濒危的非洲秃鹫，却面临着中毒、栖息地丧失和缺乏适当监测等巨大威胁。
安热长期从事野生动物保护工作，但她发现，使用过时且劳动密集型的方法追踪秃鹫等物种令人沮丧。调查往往是零星的，即使是经验丰富的保护人员也很难完成人工识别秃鹫物种这一耗时的任务。显然，我们需要一种更高效、更准确的方法来监测这些鸟类，但却不清楚如何实现这一飞跃。直到 Ange 了解到我们的解决方案。他很感兴趣，并亲眼目睹了有限的资源如何经常阻碍有效的监测，而这似乎是确保更准确、实时数据的完美方法。
Ange 和她的团队开始在 Sota 中使用该工具。在最初的几个月里，他们看到自己的工作方式发生了巨大变化。该工具不仅能准确识别秃鹫，还能帮助跟踪它们的日常活动和种群密度。在南非的 Kempiana 和 Manyeleti 保护区，也对该模型进行了测试，结果同样发生了巨大变化。研究人员现在能够快速评估秃鹫的存在和行为，而无需进行数小时的实地考察。
这对阿米娜塔的工作产生了深远的影响。她不再受到传统方法的限制。相反，她现在可以使用一种强大、可扩展、高效的监测工具，不仅支持秃鹫保护，还有助于非洲生态系统的长期可持续性。阿米纳塔的成功故事证明了创新在保护中的力量。它展示了技术与当地专业知识的融合如何在保护脆弱物种和确保地球健康方面带来真正的改变。
