“AI监测让基础劳动更轻松。”
——北京市水文总站水生态监测评价科正高级工程师
杨蓉
4月8日上午，沙河水库，鸥鸟清鸣，白鹭起舞。就在沙河闸西不远处，一个白色机器立杆探出“小脑袋”，造型像个瘦高的“哨兵”，每隔10分钟便慢慢向周围“扫视”一圈，似乎在寻找着什么。
一只骨顶鸡飞过。“咔嚓！”白色“哨兵”快速拍下鸟儿的飞行画面，拾音器同步捕捉鸟鸣声纹。识别、分析、上传系统……不到1秒钟，北京河湖鸟类大数据库里便有了这只水鸟的信息。
同一时刻，远在40公里以外的市水文总站，杨蓉打开数据库系统——全市15个重点水域捕捉到的鸟类信息全部在这里汇总。各类水鸟尽收眼底，觅食的、戏水的、睡觉的，一张张鸟儿照片上方标注着鸟名，种类、数量条分缕析，观测趋势、AI模型信息也一目了然。“有了AI鸟脸识别，想摸清鸟类家族的家底，更有底气了。”杨蓉说。
鸟是水生态健康的“晴雨表”。鸟儿的多寡，直观反映了水域的健康程度。
2020年，杨蓉刚来监测中心时，监测鸟类还需要背着相机到各处水域拍摄。“一些鸟比较机警，人一靠近就飞走了，稀有的鸟类更难拍到。”就算拍到了，杨蓉和同事们还得把信息手工誊抄下来、形成表格，耗时又费力。杨蓉记得，大伙儿经常拿着拍到的鸟类照片，肉眼对着资料图一个个辨认。最后，鸟识别出多少不说，人倒都练成了“鸟百科”。
2022年4月，在密云水库、颐和园团城湖、南海子公园、永定河等鸟群聚集水域，鸟类AI智能识别自动监测站陆续建了起来。“相当于集合了很多有经验的生物老师，组成了一个大师库帮忙认鸟。”从此，每天下班前，杨蓉只需登录系统，就有“千里眼”“顺风耳”为她整理好鸟类监测报告，她再定期将这些信息分析整理，应用于评价北京的水环境。
“鸟脸识别”是什么原理？杨蓉解释，需要先收集常见河湖鸟类的图片和鸣声，一股脑地“喂”给算法。“图片数量很大，还需多样，一种鸟的不同姿态、不同角度、不同性别、不同年龄，要尽可能多地包含在训练图片库里。”等“哨兵”拍到了鸟类照片，就会从中提取特征，如体型、羽毛颜色、喙部形状、趾爪形状等，和图片库里的特征进行比对，声纹特征还会与图像特征联合识别。
实际应用也远比想象中的复杂。一次，杨蓉发现，十分常见的苍鹭竟被AI认错了。原来，AI拍摄的画面中，树叶遮挡了它的部分身体。“异物遮挡会让识别正确率下降，能否进一步优化？”杨蓉与研发团队沟通需求。很快，研发团队便加强了对遮挡情况的特殊处理。
不只鸟类，水域中鱼类、浮游生物的识别与监测，也都用上了AI。实验室中，杨蓉和同事们将取来的水样浓缩成样品，放到显微镜下，“藻脸识别”就分析出了藻类的数量、种类。
“目前，AI监测仍是人工监测的补充。”杨蓉举例，数据库里没有的物种，AI就会识别失败或错误，这时，需要专家介入，告诉系统正确结果是什么，让它自己学习进化。另外，机器识别后，仍需要通过人工校准，提高数据的准确性。不过，杨蓉仍对AI在水生态监测方面的应用充满期待。“就拿鸟脸识别举例，四年内已识别到86个物种，累计监测记录超过九万条。AI监测让基础劳动更轻松，人类就有了更多时间深入去分析、整理。”
“AI监测让基础劳动更轻松。”
——北京市水文总站水生态监测评价科正高级工程师
杨蓉
4月8日上午，沙河水库，鸥鸟清鸣，白鹭起舞。就在沙河闸西不远处，一个白色机器立杆探出“小脑袋”，造型像个瘦高的“哨兵”，每隔10分钟便慢慢向周围“扫视”一圈，似乎在寻找着什么。
一只骨顶鸡飞过。“咔嚓！”白色“哨兵”快速拍下鸟儿的飞行画面，拾音器同步捕捉鸟鸣声纹。识别、分析、上传系统……不到1秒钟，北京河湖鸟类大数据库里便有了这只水鸟的信息。
同一时刻，远在40公里以外的市水文总站，杨蓉打开数据库系统——全市15个重点水域捕捉到的鸟类信息全部在这里汇总。各类水鸟尽收眼底，觅食的、戏水的、睡觉的，一张张鸟儿照片上方标注着鸟名，种类、数量条分缕析，观测趋势、AI模型信息也一目了然。“有了AI鸟脸识别，想摸清鸟类家族的家底，更有底气了。”杨蓉说。
鸟是水生态健康的“晴雨表”。鸟儿的多寡，直观反映了水域的健康程度。
2020年，杨蓉刚来监测中心时，监测鸟类还需要背着相机到各处水域拍摄。“一些鸟比较机警，人一靠近就飞走了，稀有的鸟类更难拍到。”就算拍到了，杨蓉和同事们还得把信息手工誊抄下来、形成表格，耗时又费力。杨蓉记得，大伙儿经常拿着拍到的鸟类照片，肉眼对着资料图一个个辨认。最后，鸟识别出多少不说，人倒都练成了“鸟百科”。
2022年4月，在密云水库、颐和园团城湖、南海子公园、永定河等鸟群聚集水域，鸟类AI智能识别自动监测站陆续建了起来。“相当于集合了很多有经验的生物老师，组成了一个大师库帮忙认鸟。”从此，每天下班前，杨蓉只需登录系统，就有“千里眼”“顺风耳”为她整理好鸟类监测报告，她再定期将这些信息分析整理，应用于评价北京的水环境。
“鸟脸识别”是什么原理？杨蓉解释，需要先收集常见河湖鸟类的图片和鸣声，一股脑地“喂”给算法。“图片数量很大，还需多样，一种鸟的不同姿态、不同角度、不同性别、不同年龄，要尽可能多地包含在训练图片库里。”等“哨兵”拍到了鸟类照片，就会从中提取特征，如体型、羽毛颜色、喙部形状、趾爪形状等，和图片库里的特征进行比对，声纹特征还会与图像特征联合识别。
实际应用也远比想象中的复杂。一次，杨蓉发现，十分常见的苍鹭竟被AI认错了。原来，AI拍摄的画面中，树叶遮挡了它的部分身体。“异物遮挡会让识别正确率下降，能否进一步优化？”杨蓉与研发团队沟通需求。很快，研发团队便加强了对遮挡情况的特殊处理。
不只鸟类，水域中鱼类、浮游生物的识别与监测，也都用上了AI。实验室中，杨蓉和同事们将取来的水样浓缩成样品，放到显微镜下，“藻脸识别”就分析出了藻类的数量、种类。
“目前，AI监测仍是人工监测的补充。”杨蓉举例，数据库里没有的物种，AI就会识别失败或错误，这时，需要专家介入，告诉系统正确结果是什么，让它自己学习进化。另外，机器识别后，仍需要通过人工校准，提高数据的准确性。不过，杨蓉仍对AI在水生态监测方面的应用充满期待。“就拿鸟脸识别举例，四年内已识别到86个物种，累计监测记录超过九万条。AI监测让基础劳动更轻松，人类就有了更多时间深入去分析、整理。”
