海洋野生动物走私：利用AI(人工智能)算法自动检测(Autodetection)鲨鱼鳍、海马及海参

《Frontiers in Ocean Sustainability》：Marine wildlife trafficking: use of AI algorithms for the autodetection of shark fins, seahorses and sea cucumbers

　　

摘要：海洋野生动物走私是野生动物走私中记录较少但占比显著的一个组成部分。本文拓展创新的3D X射线CT(Computed Tomography，计算机断层扫描)技术，利用AI(人工智能)建立针对性算法，用于在邮件/航空旅客通道中自动检测海洋野生动物。研究人员使用来源于68份样本（干制鲨鱼鳍n=18、干制海马n=30及干制海参n=20）共计298次扫描来开发初始算法。采用3D CNN(三维卷积神经网络)与3D TIP(Threat Image Projection，威胁图像投射)扩增训练数据集。跨所有海洋生物亚类的算法检测性能较高（PD鲨鱼鳍：95%，海马：96%，海参：86%），且误报率较低（PFA鲨鱼鳍：2%，海马：9%，海参：1%）。本文证明了AI检测工具作为现有方法（如人工查验）的补充手段，在打击全球目标海洋物种走私方面的效能与潜在影响。

《Frontiers in Ocean Sustainability》刊载论文解读——利用AI算法与3D X射线CT自动检测走私海洋野生动物（鲨鱼鳍、海马、海参）

一、研究背景与立项依据

非法野生动物贸易(IWT, Illegal Wildlife Trade)是全球利润极高的有组织犯罪活动之一，而海洋野生动物走私(MWT, Marine Wildlife Trade smuggling)是其被严重低估的分支，涉及鲨鱼（鳍）、海马、海参、砭科鱼类、珊瑚、海龟等多种海洋物种，常通过国际邮件与航空旅客行李夹带跨境流通。目前国际上由CITES(《濒危野生动植物种国际贸易公约》)规制相关贸易，但实际执法高度依赖人力开包检查、2D X射线筛查及检疫犬，针对海洋物种形态与密度特征的自动化检测算法长期缺位，已有AI检测研究多集中于陆生动物。鉴于3D X射线CT(Computed Tomography，计算机断层扫描)已在部分国际机场与邮件中心部署用于爆炸物及生物安全检测，研究人员尝试以此为基础，构建专门面向MWT的三类典型目标——干制鲨鱼鳍、干制海马及干制海参——的自动检测算法，以弥补现行查验体系盲区。

二、主要关键技术方法

研究人员采集澳大利亚博物馆馆藏标本及亚洲杂货店购买样品共68份（鲨鱼鳍18份、海马30份、海参20份，含1份新鲜牛鲛鳍作对照），使用Rapiscan RTT^?110实时断层扫描系统进行3D X射线CT扫描，获取体素尺寸1.4636 mm³的高分辨率三维体数据；每一样本行单独扫描及与不同密度/形状非生物物品混放扫描（模拟藏匿于衣物、玩具、金属罐下等情境），共获298幅原始CT扫描。图像先经阈值分割提取有机物密度区间体素，再做形态学开运算与连通域分析得到标记组分。检测模型采用7层卷积+ReLU激活+最大池化的3D CNN(三维卷积神经网络)，并以3D TIP(Threat Image Projection，威胁图像投射)将三维海洋生物对象插入无目标阴性扫描中以扩增训练集，模拟真实藏匿场景，训练迭代30,000步。性能指标定义为检出概率P_D（含目标扫描中被正确检出之比例）与误报概率P_FA（无目标扫描中被错误报警之比例）。

三、研究结果

3 Results（结果概述）

研究人员对68份海洋野生动物样本进行3D体积数据采集，比较新鲜与干制鲨鱼鳍CT图像发现软骨结构显像相似，证实干/鲜样本均适用于算法开发。最终训练集含3,569件行李图像（含TIP增强），测试集含512件行李图像。

3.1 Detection algorithm（检测算法性能）

经独立测试集评估，三类海洋生物亚类自动检测算法整体表现出色——鲨鱼鳍P_D=95%，P_FA=2%；海马P_D=96%，P_FA=9%；海参P_D=86%，P_FA=1%；总体平均P_D=92%，总体P_FA=13%。算法可在简单及复杂藏匿情境中成功框定目标，验证3D CNN结合TIP方案对MWT目标具高检出与可控误报特性。

四、讨论与结论翻译总结

研究人员指出，此为首批专为MWT在机场及邮件/旅客通道行李查验设计的三类目标（鲨鱼鳍、海马、海参）AI自动检测算法，证明基于商用RTT^?110 3D X射线CT系统叠加3D CNN与TIP可取得高检测率与低误报率，可作为现有人工开包检查、2D X光及检疫犬体系的有效补充而非替代。局限性含：极小部分低密度/过小海洋制品仍可能未被CT分辨；本研究实物训练样本有限，主要依赖TIP扩增，后续需扩大实体样本多样性以提升泛化能力；3D CT设备成本高且未全球普及，仍依赖2D设备的地区无法直接部署此算法。扩大既有边境安检系统中IWT检测能力，有助于CITES缔约国更好落实"合法、可持续、可追溯贸易"之宗旨。

综上，论文结论可译为：本研究成功演示了旨在识别走私鲨鱼鳍、海马及海参的世界首批海洋野生动物检测算法之应用。研究凸显将IWT自动检测作为CITES有效实施所需补充手段的重要意义。将IWT检测能力集成入全球现有边境安检系统，为CITES缔约方更好执行与落实公约文本——迈向"可持续、合法、可追溯贸易"——提供了契机。