美国研究人员使用Google的街景，AI算法来发现侵入性植物

研究人员加州大学戴维斯分校，使用人工智能（AI）和Google的Street View数据库来打击约翰森林（Johnsongrass）的传播，约翰森林（Johnsongrass）是一种威胁农业土地和本地植物群的侵入性植物。

约翰桑德拉斯，由于缺乏有效的控制方法，臭名昭著的因棉花和马匹造成健康问题等农作物而臭名昭著。

但是，加州大学戴维斯分校研究人员开发的这种新方法称为“ Google Weed View”，提供了一种更具成本效益和耗时的解决方案。

技术如何运作

突破在于利用Google广泛的街景数据库，其中包含大量全景图像库。通过部署AI算法，该团队成功地确定了整个美国西部的约翰桑格拉斯的2000多个实例。

这项成就是在传统的面对面调查或开车检查中涉及的成本和时间的一小部分取得的成就，标志着生态研究和土地管理方面的重大步伐。

加州大学戴维斯分校植物科学系的助理教授Mohsen Mesgaran博士，这项创新背后的关键人物强调了这种方法的灵活性和可扩展性。

梅斯加兰博士解释说：“一旦训练了模型，您就可以从Google Street View的数百万张图像上运行它。”

Google Weed View的潜力

这种尖端的技术不仅限于约翰桑德拉斯。通过仅在街道查看照片中标记新项目并相应地训练该算法，该方法可以无缝扩展以识别其他各种植物物种，从而有助于快速发现有问题的植物群。

此外，除了识别侵入性植物的直接效用外，Google Weed View还提供了一个独特的机会，可以检查气候模式与杂草和侵入性物种在广阔地理尺度上的相关性。

参与该项目的另一位主要研究人员Kassim Al-Khatib博士强调了创新的广泛影响。阿尔·哈蒂布（Al-Khatib）博士说：“约翰逊草（Johnsongrass）不仅在加利福尼亚州，而且是全球的主要杂草。” “对于各个农业部门来说，控制并提出问题非常困难。”

这种开创性技术背后的方法涉及细致的数据策展和算法培训。研究人员广泛利用了Street View的全景照片，设置了特定的参数来检测约翰逊草原实例，最终在四个西方州的2,000个地点识别。

这种创新的方法不仅提供了一种具有成本效益的替代方案，而且还展示了技术彻底改变生态研究和土地管理实践的潜力。

通过进一步的改进和扩展，该团队旨在扩展这种方法以覆盖整个美国，并加强努力，以减轻侵入性植物物种对农业生产力和生态平衡的影响。

在平行的情况下，先验学习利用Google Street View进行城市规划，展示了这项技术超出生态研究的多功能性，暗示了各个领域中的无数潜在应用。

保持在Tech Times。