澳大利亞昆士蘭科技大學(xué)科學(xué)家開發(fā)了一種無人機(jī)探測(cè)系統(tǒng)，通過對(duì)飛行中捕獲的紅外視頻圖像進(jìn)行算法分析，成功識(shí)別考拉種群。

在2019年3月1日發(fā)表的“低空監(jiān)視和機(jī)器學(xué)習(xí)自動(dòng)檢測(cè)考拉”論文中，該項(xiàng)目的科學(xué)家們指出，通常，通過地面觀察和成像只能檢測(cè)到測(cè)量區(qū)域內(nèi)60％-75％的考拉。

紅外像機(jī)和機(jī)器學(xué)習(xí)用于無人機(jī)。在研究中，科學(xué)家們采用FLIR Tau 2 640熱像儀，分辨率為640x512，透鏡焦距為13mm，幀速為9Hz，將其安裝在配備A3 Pro飛行控制器的大疆Matrice 600 Pro無人機(jī)上。Thermoviewer用于處理無人機(jī)紅外視頻圖像，F(xiàn)aster-RCNN和YOLO目標(biāo)檢測(cè)深度卷積神經(jīng)網(wǎng)絡(luò)（DNN）用于檢測(cè)考拉。

給每個(gè)DNN都輸入先前捕獲的熱數(shù)據(jù)，通過無線電跟蹤和人工檢查確認(rèn)考拉位置。DNN用該數(shù)據(jù)生成模型，通過該模型識(shí)別分析視頻中潛在的考拉圖像。將模型應(yīng)用于測(cè)試視頻圖像，并對(duì)通過視頻中存在但未被模型檢測(cè)到的考拉位置以及將標(biāo)記為否定的錯(cuò)誤檢測(cè)結(jié)果進(jìn)行識(shí)別并手動(dòng)校正。

在2018年2月至8月期間通過無人機(jī)進(jìn)行了11次識(shí)別驗(yàn)證。DNN分別繪制了潛在考拉位置的熱圖，并對(duì)數(shù)據(jù)進(jìn)行了比較，以確定兩個(gè)網(wǎng)絡(luò)之間的一致性結(jié)果。OpenCV實(shí)驗(yàn)室開發(fā)的ORB（Oriented FAST and RotatedBrief）算法輔助計(jì)算在該過程中由于無人機(jī)移動(dòng)而引起的圖像變化。如果潛在的考拉熱特征同時(shí)出現(xiàn)在多幀連續(xù)圖像中，則認(rèn)為探測(cè)到該特征，然后進(jìn)行手動(dòng)審查。

自動(dòng)化DNN檢測(cè)方法識(shí)別紅外視頻圖像中考拉的總成功概率為87％，而手動(dòng)檢查的概率為63％。自動(dòng)化系統(tǒng)處理熱成像并識(shí)別潛在的考拉平均需要136分鐘。手動(dòng)篩選數(shù)據(jù)并識(shí)別可能的考拉位置平均需要170分鐘。

科學(xué)家認(rèn)為，如果對(duì)DNN進(jìn)行了適當(dāng)?shù)呐嘤?xùn)，可以使用該程序從一批熱圖像中識(shí)別多種類型的動(dòng)物，并且使用該方法檢測(cè)其他類型的動(dòng)物有助于驗(yàn)證考拉識(shí)別的試驗(yàn)結(jié)果。