人工智能技術在西雙版納野生亞洲象監測預警中的首次應用

王 曼 ，劉銘宇 ，王仕華，譚栩吉，巖 光，付濰毓，饒婉欽，郭賢明，楊 云，陳明勇

（1.云南大學生態與環境學院，亞洲象云南省野外科學觀測研究站，云南亞洲象教育部野外科學觀測研究站，昆明，650500；2.浪潮集團云南分公司，昆明，650032；3.云南西雙版納國家級自然保護區管護局，景洪，666100）

亞洲象（Elephas maximus）屬哺乳綱（Mammalia）長鼻目（Proboscidea）象科（Elephantidae）象屬（Elephas）［1］，被列為國家一級重點保護野生動物，被IUCN 評估為瀕危（EN）物種，被CITES 列入附錄Ⅰ，嚴格禁止國際貿易［2-3］。中國現存野生亞洲象種群數量約300 頭，僅分布于云南省西雙版納傣族自治州（景洪市、勐臘縣和勐海縣）、普洱市（思茅區、江城縣、瀾滄縣、寧洱縣和景谷縣）和臨滄市（滄源縣）3 個州市的9 個縣市區［4］。近年來，由于人口數量快速增長、人類活動范圍迅速擴大、亞洲象適宜生境不斷減少、棲息地被分割成孤立小塊和食物匱乏等原因，使越來越多的亞洲象群走出自然保護地，到達人類生產生活區域活動，人象沖突問題日益嚴峻［5-9］。在人工種植的橡膠樹林、茶樹林以及農田區域經常能監測到野生亞洲象的活動痕跡［9］。亞洲象體型巨大，活動范圍廣，常常夜間出沒，具有較強攻擊性［10-11］，對監測預警人員構成較大安全威脅。

野生動物監測可以提供許多基本信息，為保護管理的相關工作人員掌握野生動物發展狀況提供基礎數據［12］。監測對象包括監測區域內的所有野生動物，也可根據具體目標選定某些類群重點監測。預警一般發生在監測之后，及時發布相關的預警信息有利于當地居民提前調整生產生活時間和形式，有效降低與野生動物直接相遇發生危險和事故的概率，長期動態監測可為及時預警提供基礎依據［13］。人工智能（artificial intelligence，AI）是以信息科技為基礎，以基于大數據的復雜算法為核心，以對人類智能的模擬、延伸和超越為目標的高新科學技術，主要目的是通過電子計算機代替人工肉眼判讀，利用電子計算機設定程序模仿人類思維，從而取代人工識別和判讀，減少人力資源的使用，提高工作效率和準確度［14-15］。目前，人工智能技術已經廣泛應用于軍事［16］、傳媒［17］、醫療衛生［18］、病理學［19］、內分泌代謝［20］、胰膽疾?。?1］、電力服務［22］和廢物高效自我管理［23］等領域，有效地提高了工作效率。人工智能最大的特點是能夠自動識別，目前，自動識別系統在我國一些野生動物的識別方面已經有了初步應用，如模仿人腦神經結構網絡構建的模 型對中國蛇類進行自動分辨識別［24］、應用Cascade R-CNN 模型對雪豹（Panthera uncia）監測圖像自動篩選等［25］。

紅外相機能夠24 h 不間斷工作，而且對環境的干擾程度小、勞動力成本低，特別是對獲取大型獸類及隱蔽性較高的信息有一定幫助，近年來被廣泛運用于野生動物的相關調查研究中［26-27］，但采用人工智能技術用于野生亞洲象的監測和預警工作卻未見相關研究報道。本研究以紅外相機監測數據為基礎，人工智能技術為核心，在人象沖突較為頻繁的云南西雙版納境內建立一套智能化亞洲象監測預警系統，旨在通過數據自動采集、傳輸、亞洲象影像識別和預警信息發布，緩解人象沖突問題，同時減輕亞洲象監測員工作強度。與此同時，通過對采集、傳輸、智能識別、預警信息發布數據效率的測試及統計與分析，探討該系統運行過程中的有效預警率，分析優缺點及存在的問題和不足，為今后亞洲象監測預警體系的完善提供參考。

1 研究區概況

西雙版納傣族自治州位于云南省最南端（21°8′—22°36′ N，99°56′—101°50′ E），國土總面積19 582.45 km2，其中，山區面積占95%，河谷盆地面積僅占5%。西雙版納全州地勢為周圍高、中間低，西北高、東南低，最高點位于勐海縣東北部的滑竹梁子，海拔2 429.5 m；最低點位于勐臘縣良各腳西南的瀾滄江河谷，海拔470.0 m。西雙版納地區屬熱帶、亞熱帶氣候，年平均氣溫20 ℃，年降水量1 500～2 000 mm，豐富多樣的氣候和地貌形態，孕育了豐富的生物多樣性，成為中國珍稀動植物的聚集地［28-30］。全州轄景洪市、勐海縣及勐臘縣，共有 13 種世居民族［31］。根據第七次全國人口普查數據顯示，2021 年末全州常住人口1 301 407 人，其中景洪市人口為642 737 人、勐?？h人口為353 720 人、勐臘縣人口為304 950 人；男性684 765 人，占比52.62%，女性616 642 人，占比47.38%；城鎮人口為612 550 人，占比47.07%，鄉村人口為688 857 人，占比52.93%。

2 研究方法

2.1 監測、預警設備及布設方法

參考《野生動物多樣性紅外相機監測技術規范》（http：//cameradata.ioz.ac.cn），結合長期以來掌握的野生亞洲象生活習性、遷移活動規律，以及它們對新鮮事物特別好奇，常常用鼻子取下紅外相機玩耍，會對紅外相機造成嚴重損壞等特點，將布設位點主要選在獸道、小路、硝塘和溪邊等亞洲象經?；顒拥膮^域。紅外相機安裝時特別注意高度的選擇，一般在亞洲象不易夠到的大樹樹干或樹杈上，高度為3.0～6.5 m。在紅外相機安裝完成后，安裝和研究人員需要與監測預警系統管理估測人員聯系，測試拍攝數據是否能正常傳輸至管理平臺，在確認每臺紅外相機正常工作、自動拍攝的影像數據清晰，并能及時 上傳到監測預警系統數據平臺后方可離開。紅外相機安裝好后，由安裝人員填寫《紅外相機安裝記錄表》，在表格中記錄相機位點經度、緯度、海拔、坡度、坡向、坡位、植被類型、代表性植物、安裝時間、安裝人員姓名和電話及相機工作是否正常等信息。共安裝579 臺紅外相機，21 臺視頻探頭，設備種類及數量見表1。

表1 監測中數據采集設備的基本信息Tab.1 Basic information on data collection equipment in the monitoring system

紅外相機及配件布設在野外易受到濕熱環境影響而損壞，也會受到野生亞洲象的破壞，以及人為損壞或偷盜影響正常工作，每臺紅外相機均安排1 或2名護林員或亞洲象監測員進行巡查和維護，同時每天在亞洲象監測預警管理平臺安排專人對數據傳輸進行核查，如果在后臺管理中發現相機存在不工作、數據傳輸速度慢和圖像不清晰等情況時，及時電話通知負責維護的護林員或亞洲象監測員前往檢查和維修，確保紅外相機正常工作。

2.2 亞洲象活動數據采集

樣線法：采用樣線法對紅外相機安裝位點周圍野生亞洲象活動痕跡進行調查，在紅外相機安裝區域設置長度不低于1 km的調查樣線，樣線寬度為25 m，調查時行進速度為1～2 km/h［32-33］。

樣圓法：以紅外相機為中心，設置半徑為25 m的樣圓，采集每個紅外相機位點周圍野生亞洲象活動痕跡信息，分析和評價紅外相機安裝位置的科學性與合理性。

2.3 人工智能計算方法

亞洲象人工智能識別系統包括樣本采集、樣本處理、模型訓練、模型驗證、算法修正、機器學習、深度學習和智能識別（intelligent recognition，IR）?；谀繕藱z測算法（YOLOv3）構建亞洲象識別模型進行訓練、驗證及測試。采集野外亞洲象圖像數據作為數據集，通過系統樹（WordTree）劃分數據集類別：第一層類別為亞洲象，第二層類別為色彩模式（RGB）亞洲象和紅外模式亞洲象，第三層類別為RGB 亞洲象的全目標、頭部及臀部1 個類別，以及紅外模式亞洲象的全目標、頭部及臀部3 個類別，按照劃分的類別通過系統樹對每張亞洲象圖片進行標注，將標注后的數據集劃分為訓練集、驗證集及測試集，通過訓練集、驗證集及測試集分別對亞洲象識別模型進行訓練、驗證及測試，利用亞洲象識別模型系統對亞洲象進行識別。

2.4 數據處理

將紅外相機拍攝到的照片、視頻通過移動網絡自動無線傳輸到云平臺設備，然后在大數據計算存儲中心由計算機自動對這些照片及視頻作出智能識別和分類，及時通過亞洲象智能監測預警系統將預警信息（包括亞洲象的數量、距村寨的距離、發現時間、來的方向和可能去往的方向等）向當地居民發布，村寨中有預警廣播自動播報預警信息，村民還可以在手機APP上看到預警信息。

使用Excel 對數據進行錄入、統計和分析；使用Origin 2019b制圖。

3 結果

3.1 監測設備安裝

西雙版納亞洲象監測預警體系建設共選擇579個位點，每個位點布設1臺紅外相機，布設范圍涵蓋了西雙版納傣族自治州有亞洲象分布的主要區域：（1）在景洪市布設458 臺紅外相機，主要分布在勐養鎮、普文鎮、大渡崗鄉、景納鄉和勐旺鄉5個鄉鎮，以及西雙版納國家級自然保護區勐養子保護區的江邊站、關坪站、大渡崗片、跳壩河片、大荒壩片、普文片、野象谷景區內及周邊地區。（2）在勐臘縣布設82臺紅外相機，主要分布在勐臘鎮、磨憨鎮、勐滿鎮、勐伴鎮和瑤區鄉，以及西雙版納國家級自然保護區勐臘子保護區、尚勇子保護區及周邊亞洲象活動頻繁的區域。（3）在勐?？h境內布設39臺紅外相機，主要在勐阿鎮和勐往鄉（圖1）。

圖1 研究區域及紅外相機安裝位點布局Fig.1 The study area and infrared camera installation site layout

2020 年3 月監測預警系統正式啟動，對西雙版納境內亞洲象主要活動區域進行24 h不間斷自動化監測，通過人工智能識別出亞洲象影像，及時向當地村寨和村民發布亞洲象預警信息。

3.2 紅外相機安裝位點周圍亞洲象活動軌跡及分布

采用樣線法在紅外相機位點附近對亞洲象活動軌跡及痕跡進行調查，共布設調查樣線115 條，樣線總長434.35 km，其中在67 條樣線上發現有亞洲象痕跡，占樣線總數的58.26%。采用樣圓法對紅外相機位點周圍亞洲象活動痕跡開展調查，結果顯示有125 個相機位點周邊發現有亞洲象（象群或獨象）痕跡，其中痕跡位置與紅外相機鏡頭朝向一致的位點有103個，占總位點數的82.40%。

樣線法和樣圓法調查結果顯示，所選擇的579個紅外相機監測位點大多位于野生亞洲象活動范圍之內，許多位點及附近都發現了亞洲象活動痕跡，并且安裝的紅外相機鏡頭朝向與亞洲象痕跡方向的一致性較好，將這些位點作為亞洲象監測點符合科學性和合理性原則，紅外相機在這些位點可以有效地自動捕獲到亞洲象（象群或獨象）的活動影像，上傳數據平臺后通過人工智能識別出亞洲象，部分影像還可以得到亞洲象（象群或獨象）的形態特征數據，經系統自動統計、分析后得到監測結果，由預警系統及時向當地村寨和村民發出野生亞洲象活動的監測預警信息。

3.3 人工智能技術在亞洲象監測及預警系統中的有效預警率

2021 年1—6 月，紅外相機拍攝并自動上傳的影像數據（包括照片及視頻）共294 381條，其中系統自動識別出野生亞洲象的影像數據4 666 條（1.59%）、人類活動影像數據27 057 條（9.19%）、交通工具（汽車、拖拉機、三輪車等）影像數據46 357條（15.75%）、其他野生動物（野豬Sus scrofa、赤麂Muntiacus muntjak和原雞Gallus gallus等）影像數據1 205 條（0.41%）、家畜（黃牛、水牛、狗和豬等）影像數據5 430 條（1.84%）及空拍影像數據209 666 條（71.22%）。在獲得的4 666條亞洲象照片及視頻中，系統自動預警數據3 901 條，未預警數據752 條，誤報數據13 條。西雙版納亞洲象監測預警系統在這一期間的有效預警率為83.60%，未預警率為16.12%，誤報率為0.28%。在已預警的3 901條數據中，時長為0～2 min的數據2 778 條，時長＞2～4 min 的數據691 條，時 長＞4～6 min 的數據129 條，時長＞6～8 min 的數據 35條，時長＞8～10 min 的數據40 條，時長＞10～12 min的數據17 條，時長＞12～14 min 的數據16 條，時長＞14 min 的數據195 條。在已預警的3 901 條數據中，能夠在0～2 min內發布預警的數據所占比例最高，為71.21%；其次是＞2～4 min 內發布的預警，所占比例為17.71%（圖2）。統計結果表明，該系統在數據自動采集、自動傳輸、亞洲象影像自動識別和預警信息自動發布方面成效顯著。

圖2 亞洲象智能監測及預警系統收集-發布預警信息時間間隔Fig.2 The time interval between the collection and release of warning information by the Asian elephant intelligent monitoring and warning system

4 討論

4.1 人工智能技術在開展亞洲象監測及預警中的優越性

樣線法、痕跡追蹤調查法和糞便分析法等傳統野生動物調查與監測方法需要大量的人力物力，并且許多野生動物在夜間活動，人工調查和監測具有諸多安全隱患，給調查監測人員帶來危險。日益成熟的紅外相機技術為野生動物，尤其是大型地棲野生動物的調查和監測帶來了諸多便利，也使調查監測人員避免了許多危險，極大節省了人力、物力和時間的投入，并且紅外相機24 h不間斷工作，使獲得海量監測數據成為可能。但是，許多科研團隊都發現，紅外相機獲取的大量數據對于后期處理是一個十分繁重的工作，尤其亞洲象這種與人類之間有沖突的野生動物，如何能在海量監測數據中準確識別出野生亞洲象，分析和判斷其是否會對當地居民構成安全隱患，并將預警信息及時傳輸給當地居民，使居民根據預警信息及時調整作息時間，降低與野生亞洲象相遇的概率，這是一個十分緊迫的任務。

以大數據精準算法為基礎的人工智能識別代替人腦快速完成對動物物種識別、數據監測等復雜工作，具有較明顯的優勢［27，34］。本研究首次將紅外相機技術和人工智能技術相結合運用到野生亞洲象監測預警工作中，采用紅外相機和視頻探頭24 h 不間斷采集亞洲象影像數據，使用移動通訊網絡將數據自動傳輸至系統數據管理平臺，由系統自動進行大數據計算和分析，通過人工智能技術識別出亞洲象影像（包括照片和視頻），生成形態特征數據及預警信息，再通過移動通訊網絡自動發布預警信息到當地村寨廣播和居民手機APP、微信群及短信等數據終端，村民收到后可以及時了解亞洲象活動范圍，主動回避與野生亞洲象相遇，可有效地緩解人象沖突問題，應逐步科學建立并完善“中國野生亞洲象智能化監測預警管理平臺”，進一步加強大數據、人工智能在亞洲象監測預警和保護管理中的應用，在保護好我國野生亞洲象種群及棲息地同時，最大程度減少人象沖突事件的發生，促進人象和諧發展。

4.2 人工智能技術在開展亞洲象監測及預警中的問題和不足

（1）紅外相機影像（照片及視頻）通過移動網絡通訊上傳到監測預警系統，但由于一些山區移動通訊網絡信號較弱，存在一定的盲區，致使一些照片或視頻上傳時間會有延遲，導致人工智能預警系統時效性降低，如在已預警的3 901 條數據中，網絡信號較弱是造成監測預警信息“＞14 min”發布的主要因素。（2）紅外相機屬于電子產品，具有易損壞、易潮濕和易被蟻酸腐蝕等特征［35］，調查結果顯示，579 臺紅外相機在工作6個月后，損壞或被盜相機達43臺，另有44 臺工作不正常（待機），因此，數據管理平臺的監控，亞洲象監測員、護林員對紅外相機的巡查和維護是這些前端數據采集設備正常工作的重要保障。為了確保亞洲象監測及預警系統能夠更好的工作，需要當地各級政府及相關部門的大力支持，多與當地居民溝通，勸導不要盜取、毀壞相機，確保紅外相機正常工作。（3）野生亞洲象監測預警數據的自動采集、傳輸和預警對從業人員的業務能力和責任心要求較高，需要建立健全亞洲象監測預警系統管理制度，并有針對性地對各個環節的從業人員開展業務和技能培訓，增加管理人員待遇，全面提高系統、數據維護和管理水平。

致謝：感謝云南省林業和草原局、西雙版納傣族自治州林業和草原局、云南西雙版納國家級自然保護區管護局、浪潮集團云南分公司等單位的大力支持！感謝云南西雙版納國家級自然保護區管護局楊云局長在項目、資金和人員方面給予的大力支持！感謝景洪市林業和草原局查偉副局長、勐海縣林業和草原局蘇銳站長對該項目野外調查的幫助！感謝護林員牛建成、巖溫坎、胡文學等在野外調查過程中給予的大力支持和幫助，在此一并表示感謝！感謝給予本項目幫助與支持的所有人！