面向水生外来入侵物种实时检测的计算机视觉模型实用开发框架

《Scientific Reports》：Accelerated development and deployment of computer vision models for invasive aquatic pests

　　

摘要

水生外来物种（NIS）在全球范围内造成显著的文化、环境和经济损失，而人工监测成本高昂且难以大规模实施。部署于远程和自主车辆上的计算机视觉模型（CVM）能够减轻对经过训练的人工观察者的依赖，但水生环境存在独特挑战，且缺乏面向生物安全开发的框架。我们提出了一套实用框架，用于开发并在表面船舶和远程车辆平台上实时应用针对特定物种的计算机视觉模型。我们通过对框架在新西兰多种分类学和生态学多样性外来物种中的应用，展示了其效用：地中海扇虫 Sabella spallanzanii、南非水蕴草 Lagarosiphon major, 以及外来浒苔（Caulerpa brachypus 和 C. parvifolia）。针对 S. spallanzanii，我们展示了从小型数据集进行高效训练并部署用于实时检测的能力。利用外来浒苔，我们展示了计算机视觉模型如何在早期入侵响应中快速改进。对于 L. major，标准化实地验证方法使得能够在多样化地点和运行条件下比较计算机视觉模型与人工的检测率。总体而言，这些案例研究表明，我们的框架能够在现实场地条件下实现准确检测并稳健评估模型有效性，且可有效应用于来自多个平台的图像数据。