人工智能技术在西双版纳野生亚洲象监测预警中的首次应用

王 曼 ，刘铭宇 ，王仕华，谭栩吉，岩 光，付潍毓，饶婉钦，郭贤明，杨 云，陈明勇

（1.云南大学生态与环境学院，亚洲象云南省野外科学观测研究站，云南亚洲象教育部野外科学观测研究站，昆明，650500；2.浪潮集团云南分公司，昆明，650032；3.云南西双版纳国家级自然保护区管护局，景洪，666100）

亚洲象（Elephas maximus）属哺乳纲（Mammalia）长鼻目（Proboscidea）象科（Elephantidae）象属（Elephas）［1］，被列为国家一级重点保护野生动物，被IUCN 评估为濒危（EN）物种，被CITES 列入附录Ⅰ，严格禁止国际贸易［2-3］。中国现存野生亚洲象种群数量约300 头，仅分布于云南省西双版纳傣族自治州（景洪市、勐腊县和勐海县）、普洱市（思茅区、江城县、澜沧县、宁洱县和景谷县）和临沧市（沧源县）3 个州市的9 个县市区［4］。近年来，由于人口数量快速增长、人类活动范围迅速扩大、亚洲象适宜生境不断减少、栖息地被分割成孤立小块和食物匮乏等原因，使越来越多的亚洲象群走出自然保护地，到达人类生产生活区域活动，人象冲突问题日益严峻［5-9］。在人工种植的橡胶树林、茶树林以及农田区域经常能监测到野生亚洲象的活动痕迹［9］。亚洲象体型巨大，活动范围广，常常夜间出没，具有较强攻击性［10-11］，对监测预警人员构成较大安全威胁。

野生动物监测可以提供许多基本信息，为保护管理的相关工作人员掌握野生动物发展状况提供基础数据［12］。监测对象包括监测区域内的所有野生动物，也可根据具体目标选定某些类群重点监测。预警一般发生在监测之后，及时发布相关的预警信息有利于当地居民提前调整生产生活时间和形式，有效降低与野生动物直接相遇发生危险和事故的概率，长期动态监测可为及时预警提供基础依据［13］。人工智能（artificial intelligence，AI）是以信息科技为基础，以基于大数据的复杂算法为核心，以对人类智能的模拟、延伸和超越为目标的高新科学技术，主要目的是通过电子计算机代替人工肉眼判读，利用电子计算机设定程序模仿人类思维，从而取代人工识别和判读，减少人力资源的使用，提高工作效率和准确度［14-15］。目前，人工智能技术已经广泛应用于军事［16］、传媒［17］、医疗卫生［18］、病理学［19］、内分泌代谢［20］、胰胆疾病［21］、电力服务［22］和废物高效自我管理［23］等领域，有效地提高了工作效率。人工智能最大的特点是能够自动识别，目前，自动识别系统在我国一些野生动物的识别方面已经有了初步应用，如模仿人脑神经结构网络构建的模 型对中国蛇类进行自动分辨识别［24］、应用Cascade R-CNN 模型对雪豹（Panthera uncia）监测图像自动筛选等［25］。

红外相机能够24 h 不间断工作，而且对环境的干扰程度小、劳动力成本低，特别是对获取大型兽类及隐蔽性较高的信息有一定帮助，近年来被广泛运用于野生动物的相关调查研究中［26-27］，但采用人工智能技术用于野生亚洲象的监测和预警工作却未见相关研究报道。本研究以红外相机监测数据为基础，人工智能技术为核心，在人象冲突较为频繁的云南西双版纳境内建立一套智能化亚洲象监测预警系统，旨在通过数据自动采集、传输、亚洲象影像识别和预警信息发布，缓解人象冲突问题，同时减轻亚洲象监测员工作强度。与此同时，通过对采集、传输、智能识别、预警信息发布数据效率的测试及统计与分析，探讨该系统运行过程中的有效预警率，分析优缺点及存在的问题和不足，为今后亚洲象监测预警体系的完善提供参考。

1 研究区概况

西双版纳傣族自治州位于云南省最南端（21°8′—22°36′ N，99°56′—101°50′ E），国土总面积19 582.45 km2，其中，山区面积占95%，河谷盆地面积仅占5%。西双版纳全州地势为周围高、中间低，西北高、东南低，最高点位于勐海县东北部的滑竹梁子，海拔2 429.5 m；最低点位于勐腊县良各脚西南的澜沧江河谷，海拔470.0 m。西双版纳地区属热带、亚热带气候，年平均气温20 ℃，年降水量1 500～2 000 mm，丰富多样的气候和地貌形态，孕育了丰富的生物多样性，成为中国珍稀动植物的聚集地［28-30］。全州辖景洪市、勐海县及勐腊县，共有 13 种世居民族［31］。根据第七次全国人口普查数据显示，2021 年末全州常住人口1 301 407 人，其中景洪市人口为642 737 人、勐海县人口为353 720 人、勐腊县人口为304 950 人；男性684 765 人，占比52.62%，女性616 642 人，占比47.38%；城镇人口为612 550 人，占比47.07%，乡村人口为688 857 人，占比52.93%。

2 研究方法

2.1 监测、预警设备及布设方法

参考《野生动物多样性红外相机监测技术规范》（http：//cameradata.ioz.ac.cn），结合长期以来掌握的野生亚洲象生活习性、迁移活动规律，以及它们对新鲜事物特别好奇，常常用鼻子取下红外相机玩耍，会对红外相机造成严重损坏等特点，将布设位点主要选在兽道、小路、硝塘和溪边等亚洲象经常活动的区域。红外相机安装时特别注意高度的选择，一般在亚洲象不易够到的大树树干或树杈上，高度为3.0～6.5 m。在红外相机安装完成后，安装和研究人员需要与监测预警系统管理估测人员联系，测试拍摄数据是否能正常传输至管理平台，在确认每台红外相机正常工作、自动拍摄的影像数据清晰，并能及时 上传到监测预警系统数据平台后方可离开。红外相机安装好后，由安装人员填写《红外相机安装记录表》，在表格中记录相机位点经度、纬度、海拔、坡度、坡向、坡位、植被类型、代表性植物、安装时间、安装人员姓名和电话及相机工作是否正常等信息。共安装579 台红外相机，21 台视频探头，设备种类及数量见表1。

表1 监测中数据采集设备的基本信息Tab.1 Basic information on data collection equipment in the monitoring system

红外相机及配件布设在野外易受到湿热环境影响而损坏，也会受到野生亚洲象的破坏，以及人为损坏或偷盗影响正常工作，每台红外相机均安排1 或2名护林员或亚洲象监测员进行巡查和维护，同时每天在亚洲象监测预警管理平台安排专人对数据传输进行核查，如果在后台管理中发现相机存在不工作、数据传输速度慢和图像不清晰等情况时，及时电话通知负责维护的护林员或亚洲象监测员前往检查和维修，确保红外相机正常工作。

2.2 亚洲象活动数据采集

样线法：采用样线法对红外相机安装位点周围野生亚洲象活动痕迹进行调查，在红外相机安装区域设置长度不低于1 km的调查样线，样线宽度为25 m，调查时行进速度为1～2 km/h［32-33］。

样圆法：以红外相机为中心，设置半径为25 m的样圆，采集每个红外相机位点周围野生亚洲象活动痕迹信息，分析和评价红外相机安装位置的科学性与合理性。

2.3 人工智能计算方法

亚洲象人工智能识别系统包括样本采集、样本处理、模型训练、模型验证、算法修正、机器学习、深度学习和智能识别（intelligent recognition，IR）。基于目标检测算法（YOLOv3）构建亚洲象识别模型进行训练、验证及测试。采集野外亚洲象图像数据作为数据集，通过系统树（WordTree）划分数据集类别：第一层类别为亚洲象，第二层类别为色彩模式（RGB）亚洲象和红外模式亚洲象，第三层类别为RGB 亚洲象的全目标、头部及臀部1 个类别，以及红外模式亚洲象的全目标、头部及臀部3 个类别，按照划分的类别通过系统树对每张亚洲象图片进行标注，将标注后的数据集划分为训练集、验证集及测试集，通过训练集、验证集及测试集分别对亚洲象识别模型进行训练、验证及测试，利用亚洲象识别模型系统对亚洲象进行识别。

2.4 数据处理

将红外相机拍摄到的照片、视频通过移动网络自动无线传输到云平台设备，然后在大数据计算存储中心由计算机自动对这些照片及视频作出智能识别和分类，及时通过亚洲象智能监测预警系统将预警信息（包括亚洲象的数量、距村寨的距离、发现时间、来的方向和可能去往的方向等）向当地居民发布，村寨中有预警广播自动播报预警信息，村民还可以在手机APP上看到预警信息。

使用Excel 对数据进行录入、统计和分析；使用Origin 2019b制图。

3 结果

3.1 监测设备安装

西双版纳亚洲象监测预警体系建设共选择579个位点，每个位点布设1台红外相机，布设范围涵盖了西双版纳傣族自治州有亚洲象分布的主要区域：（1）在景洪市布设458 台红外相机，主要分布在勐养镇、普文镇、大渡岗乡、景纳乡和勐旺乡5个乡镇，以及西双版纳国家级自然保护区勐养子保护区的江边站、关坪站、大渡岗片、跳坝河片、大荒坝片、普文片、野象谷景区内及周边地区。（2）在勐腊县布设82台红外相机，主要分布在勐腊镇、磨憨镇、勐满镇、勐伴镇和瑶区乡，以及西双版纳国家级自然保护区勐腊子保护区、尚勇子保护区及周边亚洲象活动频繁的区域。（3）在勐海县境内布设39台红外相机，主要在勐阿镇和勐往乡（图1）。

图1 研究区域及红外相机安装位点布局Fig.1 The study area and infrared camera installation site layout

2020 年3 月监测预警系统正式启动，对西双版纳境内亚洲象主要活动区域进行24 h不间断自动化监测，通过人工智能识别出亚洲象影像，及时向当地村寨和村民发布亚洲象预警信息。

3.2 红外相机安装位点周围亚洲象活动轨迹及分布

采用样线法在红外相机位点附近对亚洲象活动轨迹及痕迹进行调查，共布设调查样线115 条，样线总长434.35 km，其中在67 条样线上发现有亚洲象痕迹，占样线总数的58.26%。采用样圆法对红外相机位点周围亚洲象活动痕迹开展调查，结果显示有125 个相机位点周边发现有亚洲象（象群或独象）痕迹，其中痕迹位置与红外相机镜头朝向一致的位点有103个，占总位点数的82.40%。

样线法和样圆法调查结果显示，所选择的579个红外相机监测位点大多位于野生亚洲象活动范围之内，许多位点及附近都发现了亚洲象活动痕迹，并且安装的红外相机镜头朝向与亚洲象痕迹方向的一致性较好，将这些位点作为亚洲象监测点符合科学性和合理性原则，红外相机在这些位点可以有效地自动捕获到亚洲象（象群或独象）的活动影像，上传数据平台后通过人工智能识别出亚洲象，部分影像还可以得到亚洲象（象群或独象）的形态特征数据，经系统自动统计、分析后得到监测结果，由预警系统及时向当地村寨和村民发出野生亚洲象活动的监测预警信息。

3.3 人工智能技术在亚洲象监测及预警系统中的有效预警率

2021 年1—6 月，红外相机拍摄并自动上传的影像数据（包括照片及视频）共294 381条，其中系统自动识别出野生亚洲象的影像数据4 666 条（1.59%）、人类活动影像数据27 057 条（9.19%）、交通工具（汽车、拖拉机、三轮车等）影像数据46 357条（15.75%）、其他野生动物（野猪Sus scrofa、赤麂Muntiacus muntjak和原鸡Gallus gallus等）影像数据1 205 条（0.41%）、家畜（黄牛、水牛、狗和猪等）影像数据5 430 条（1.84%）及空拍影像数据209 666 条（71.22%）。在获得的4 666条亚洲象照片及视频中，系统自动预警数据3 901 条，未预警数据752 条，误报数据13 条。西双版纳亚洲象监测预警系统在这一期间的有效预警率为83.60%，未预警率为16.12%，误报率为0.28%。在已预警的3 901条数据中，时长为0～2 min的数据2 778 条，时长＞2～4 min 的数据691 条，时 长＞4～6 min 的数据129 条，时长＞6～8 min 的数据 35条，时长＞8～10 min 的数据40 条，时长＞10～12 min的数据17 条，时长＞12～14 min 的数据16 条，时长＞14 min 的数据195 条。在已预警的3 901 条数据中，能够在0～2 min内发布预警的数据所占比例最高，为71.21%；其次是＞2～4 min 内发布的预警，所占比例为17.71%（图2）。统计结果表明，该系统在数据自动采集、自动传输、亚洲象影像自动识别和预警信息自动发布方面成效显著。

图2 亚洲象智能监测及预警系统收集-发布预警信息时间间隔Fig.2 The time interval between the collection and release of warning information by the Asian elephant intelligent monitoring and warning system

4 讨论

4.1 人工智能技术在开展亚洲象监测及预警中的优越性

样线法、痕迹追踪调查法和粪便分析法等传统野生动物调查与监测方法需要大量的人力物力，并且许多野生动物在夜间活动，人工调查和监测具有诸多安全隐患，给调查监测人员带来危险。日益成熟的红外相机技术为野生动物，尤其是大型地栖野生动物的调查和监测带来了诸多便利，也使调查监测人员避免了许多危险，极大节省了人力、物力和时间的投入，并且红外相机24 h不间断工作，使获得海量监测数据成为可能。但是，许多科研团队都发现，红外相机获取的大量数据对于后期处理是一个十分繁重的工作，尤其亚洲象这种与人类之间有冲突的野生动物，如何能在海量监测数据中准确识别出野生亚洲象，分析和判断其是否会对当地居民构成安全隐患，并将预警信息及时传输给当地居民，使居民根据预警信息及时调整作息时间，降低与野生亚洲象相遇的概率，这是一个十分紧迫的任务。

以大数据精准算法为基础的人工智能识别代替人脑快速完成对动物物种识别、数据监测等复杂工作，具有较明显的优势［27，34］。本研究首次将红外相机技术和人工智能技术相结合运用到野生亚洲象监测预警工作中，采用红外相机和视频探头24 h 不间断采集亚洲象影像数据，使用移动通讯网络将数据自动传输至系统数据管理平台，由系统自动进行大数据计算和分析，通过人工智能技术识别出亚洲象影像（包括照片和视频），生成形态特征数据及预警信息，再通过移动通讯网络自动发布预警信息到当地村寨广播和居民手机APP、微信群及短信等数据终端，村民收到后可以及时了解亚洲象活动范围，主动回避与野生亚洲象相遇，可有效地缓解人象冲突问题，应逐步科学建立并完善“中国野生亚洲象智能化监测预警管理平台”，进一步加强大数据、人工智能在亚洲象监测预警和保护管理中的应用，在保护好我国野生亚洲象种群及栖息地同时，最大程度减少人象冲突事件的发生，促进人象和谐发展。

4.2 人工智能技术在开展亚洲象监测及预警中的问题和不足

（1）红外相机影像（照片及视频）通过移动网络通讯上传到监测预警系统，但由于一些山区移动通讯网络信号较弱，存在一定的盲区，致使一些照片或视频上传时间会有延迟，导致人工智能预警系统时效性降低，如在已预警的3 901 条数据中，网络信号较弱是造成监测预警信息“＞14 min”发布的主要因素。（2）红外相机属于电子产品，具有易损坏、易潮湿和易被蚁酸腐蚀等特征［35］，调查结果显示，579 台红外相机在工作6个月后，损坏或被盗相机达43台，另有44 台工作不正常（待机），因此，数据管理平台的监控，亚洲象监测员、护林员对红外相机的巡查和维护是这些前端数据采集设备正常工作的重要保障。为了确保亚洲象监测及预警系统能够更好的工作，需要当地各级政府及相关部门的大力支持，多与当地居民沟通，劝导不要盗取、毁坏相机，确保红外相机正常工作。（3）野生亚洲象监测预警数据的自动采集、传输和预警对从业人员的业务能力和责任心要求较高，需要建立健全亚洲象监测预警系统管理制度，并有针对性地对各个环节的从业人员开展业务和技能培训，增加管理人员待遇，全面提高系统、数据维护和管理水平。

致谢：感谢云南省林业和草原局、西双版纳傣族自治州林业和草原局、云南西双版纳国家级自然保护区管护局、浪潮集团云南分公司等单位的大力支持！感谢云南西双版纳国家级自然保护区管护局杨云局长在项目、资金和人员方面给予的大力支持！感谢景洪市林业和草原局查伟副局长、勐海县林业和草原局苏锐站长对该项目野外调查的帮助！感谢护林员牛建成、岩温坎、胡文学等在野外调查过程中给予的大力支持和帮助，在此一并表示感谢！感谢给予本项目帮助与支持的所有人！