演算法新應用，機器學習無人機幫忙數動物

非洲南部有一個廣闊的半乾旱沙漠大草原叫做喀拉哈里沙漠，橫跨納米比亞、波札那及南非，這片廣闊大地上孕育非常多哺乳動物，像是長頸鹿、鴕鳥、牛羚、瞪羚。由於土地上的食物資源會根據降雨狀況不斷變化，還承擔放牧與叢林野火的壓力，為了避免生態失衡，土地管理者必須掌控野生動物數量，調整放牧的規模。

麻省理工科技評論（MIT Technology Review）報導指出，過去都是靠直升機或在動物行進路線架設攝影機來紀錄動物數量，但這些方法有很大的缺點，攝影機只能記錄單一位置的數量，直升機又太貴且花時間。另外一種方式是用無人機拍照片，但問題是照片拍回來後，需要有受過訓練的操作員花飛很大工夫與時間去分析大量照片。

這時科技就派上用場，瑞士洛桑聯邦理工學院研究團隊訓練一套機器視覺演算法，可以大幅減少人類專家的時間，並大幅改善大型動物數量的評估方法。研究團隊 2014 年在喀拉哈里沙漠邊緣的野生動物保護區開展無人駕駛測繪研究，5 架搭載鏡頭的無人機共拍攝 6,500 張地面照片，每張解析度為 3,000×4,000 像素。

這些影像顯示許多大型哺乳動物，但分布太稀疏因此必須耗費人力與時間一一尋找。研究人員首先要找到讓機器可以學習的實地結果，他們找來 232 名自願者研究照片，在他們遇到的每隻動物周圍畫一個多邊形，平均每個人找到 5 隻，且每一隻必須獲得超過半數自願者認可。

最後自願者在 650 張影像中找到 976 隻動物，最後由人類專家一一審查，半小時內去除 21 隻，接著研究團隊就用這些結果訓練並測試演算法。結果發現，演算法比較容易在大清早，動物出現長影子的時候指認出來。研究人員表示，在早上或是同一時間進行無人機拍攝作業的效果最好，且站立的動物比趴下的更好指認。

這項任務還是需要人類操作員，但是工作量可大幅減輕。研究人員認為，這項測試顯示，只要將相對便宜的無人機技術，結合愈來愈強大的機器視覺技術，應用於偏遠地區，就可以讓動物保護工作更容易且更有效。

Machine-Vision Drones Monitor Animals in the African Savanna