《联网保护白皮书——人工智能与卫星影像在野生动物调查中的应用》

本研究调查了在野生动物调查中应用人工智能（AI）技术和卫星图像的可行性，比较了三种在卫星图像中检测和识别动物的方法：人工识别、使用开源预训练模型进行目标检测，以及使用定制卷积神经网络模型进行目标检测和分类。研究在南非的马迪克韦野生动物保护区和肯尼亚的塞拉野生动物保护区进行，使用了Pléiades Neo和普莱亚德斯卫星图像。

结果显示，虽然三种方法都显示出一定的可行性，但它们在异质环境中识别和计数动物方面都存在挑战。人工识别需要专业知识和大量时间，而AI方法则受到图像分辨率、阴影、云层覆盖等因素的影响。具体而言，使用预训练模型进行目标检测在区分大型哺乳动物物种方面表现不佳，而定制卷积神经网络模型在检测大型动物方面取得了一些成功，但在检测小型动物和复杂环境中仍存在困难。

研究结论认为，在异质环境中，人工智能和卫星图像尚不能完全替代传统的野生动物调查技术。然而，AI方法在识别潜在观测区域和提供“在哪里寻找”的线索方面具有价值，可以作为人工识别的辅助工具。未来研究应关注在更均质的环境中，针对特定物种和情况，进一步优化AI模型和卫星图像应用。