蔣敏，田元，吳偉志，朱力力，劉妙燕

（1.浙江省長興縣自然資源和規(guī)劃局，浙江 長興 313100；2.浙江弄潮兒智慧科技有限公司，浙江 杭州 310030；3.浙江省森林資源監(jiān)測中心，浙江 杭州 310020）

鳥類是開展生物多樣性監(jiān)測的指示類群，對濕地生態(tài)系統(tǒng)評價與監(jiān)測有重要作用。美國、英國等發(fā)達國家已經(jīng)建立了國家尺度的鳥類監(jiān)測網(wǎng)絡并取得了很好的效果。我國鳥類監(jiān)測網(wǎng)絡尚待完善，鳥類監(jiān)測也多采用常規(guī)人工觀測方法，需消耗大量人力與時間，具有很大的局限性[1]。隨著數(shù)字化基礎設施的不斷完善，運用人工智能技術輔助鳥類監(jiān)測成為可能。長興仙山湖國家濕地公園主管部門積極推進濕地中鳥類保護的智慧化、數(shù)字化管理，不斷夯實基礎，運用數(shù)字化的手段構建智慧化監(jiān)測體系，建設了智慧濕地管理系統(tǒng)，包括一套鳥類全景觀測系統(tǒng)。該系統(tǒng)在2020 年10 月底上線試運行，12 月初通過驗收。該數(shù)字化管理系統(tǒng)的實施運行，為運用人工智能技術實現(xiàn)全景觀測中的鳥類識別提供了基礎條件。

當前，基于深度學習的人工智能算法發(fā)展迅速，但算法普遍較為復雜且需要大量數(shù)據(jù)進行訓練建模，對數(shù)據(jù)量和算力都有較高要求?，F(xiàn)有的鳥類識別算法往往需要具有充足特征的特寫圖，依賴于鳥的頭、翅等重點區(qū)域的特征提取[1]。但是，野外鳥類觀測，尤其是珍稀鳥類觀測往往面臨著數(shù)據(jù)不足的問題。同時，現(xiàn)場實施環(huán)境下的監(jiān)控視頻視角廣、距離遠，很難獲取特寫圖像。因此，前述算法很難適用鳥類全景觀測系統(tǒng)中的現(xiàn)場實時檢測識別的要求。為解決上述問題，選擇結合傳統(tǒng)檢測算法和深度學習算法，用計算機視覺算法庫中的級聯(lián)分類器（Cascade Classifier）進行檢測，將檢測到的區(qū)域交由深度學習框架中的卷積神經(jīng)網(wǎng)絡（Convolution Neural Networks,CNN）做分類，兩種算法融合作為系統(tǒng)數(shù)據(jù)處理的核心算法，將其在實際鳥類觀測中利用訓練樣本集數(shù)據(jù)進行訓練，并檢測識別模型經(jīng)訓練后，進行測試驗證，如達到工程可用的程度（準確率＞85%），可應用于已知鳥類的自動化實時監(jiān)測識別，可以輔助發(fā)現(xiàn)未知鳥類。

1 研究地自然概況

浙江省長興縣位于浙江省最北端，東臨太湖，與蘇州、無錫隔湖相望，位于江蘇、浙江、安徽三省結合部。長興仙山湖國家濕地公園（以下簡稱仙山湖濕地公園）地處長興縣泗安鎮(zhèn)西部，毗鄰泗安鎮(zhèn)鎮(zhèn)區(qū)，地理坐標為119°33′51″～ 119°37′43″E，30°52′08″～ 30°55′25″N，是長三角地區(qū)自然濕地生態(tài)系統(tǒng)與人工湖泊濕地的典型代表，是具豐富生物多樣性的濕地生態(tài)系統(tǒng)[2]。仙山湖濕地公園土地總面積為2 269.2 hm2，其中濕地面積為695.31 hm2、非濕地面積為1573.89 hm2，濕地率為30.6%。公園內(nèi)有河流濕地（永久性河流、洪泛平原）、沼澤濕地（草本沼澤、森林沼澤）和人工濕地（庫塘、水產(chǎn)養(yǎng)殖場）共3 大類5 型，濕地類型多樣，各類濕地型面積分別為：永久性河流濕地26.14 hm2，占3.7%，洪泛平原濕地50.77 hm2，占7.3%，草本沼澤36.14 hm2，占5.2%，森林沼澤7.48 hm2，占1.1%，庫塘濕地532.57 hm2，占76.6%[3]。

仙山湖濕地公園生態(tài)系統(tǒng)食物鏈結構比較完善，其中，淡水魚類有7 目13 科59 種，鳥類有12 目35 科109種[2,4]，其大面積的湖面、湖灘以及河流、溝渠、水田、苗圃地、旱地、山林構成了相對完整而復雜的生態(tài)環(huán)境，加上當?shù)厮a(chǎn)養(yǎng)殖大戶的漁業(yè)生產(chǎn)，吸引了眾多鳥類棲息，庫塘邊、河流、山丘和農(nóng)田周圍區(qū)域均是鳥類覓食場所，常見成群鳥類在水面、灘涂、河流覓食棲息。目前，針對仙山湖濕地公園的總體規(guī)劃[3]、生態(tài)服務功能價值[4]、土壤重金屬空間分布特征與生態(tài)風險評價[5]、樹種富集重金屬特征研究[6]、森林風景資源調(diào)查評價[7]已陸續(xù)開展，但是對仙山湖濕地公園鳥類資源的相關調(diào)查鮮見報道。仙山湖濕地公園的鳥類在動物地理區(qū)劃上屬東洋界華東區(qū)，濕地公園內(nèi)廣布種所占比例最大，東洋界和古北界鳥類占三分之一。種類以鷺科Ardeidae、伯勞科Laniidae 的鳥類最多，如白鷺Egretta garzetta、蒼鷺Ardea cinerea、池鷺Ardeola bacchus、棕背伯勞Lanius schach等；國家Ⅱ級保護動物有8 種，浙江省重點保護動物有5 種，見表1[3]。

表1 仙山湖濕地公園鳥類保護動物名錄Table 1 List of protected birds in Xianshanhu Wetland Park

2 研究方法

2.1 人工智能鳥類識別的技術框架

因為需要大量數(shù)據(jù)進行訓練、建模，在系統(tǒng)建設初期數(shù)據(jù)量不足的情況下，常規(guī)基于深度學習的人工智能算法難以適用?，F(xiàn)有的鳥類識別算法往往依賴于鳥的頭部、翅部等重點區(qū)域的特征檢測[1]，需要獲取具有充足特征的特寫圖。而現(xiàn)場實施環(huán)境下的監(jiān)控攝像機視角廣、距離遠，特寫圖像在現(xiàn)場實施環(huán)境下很難獲取，如圖1。

圖1 鳥類特寫與遠景對比圖Figure 1 Close-up and distant view

由于上述因素，選擇將傳統(tǒng)檢測算法和深度學習相結合，用計算機視覺算法庫中的級聯(lián)分類器進行檢測，將檢測到的區(qū)域交由深度學習框架中的CNN 做分類，兩種算法融合作為系統(tǒng)數(shù)據(jù)處理中心（System Data Processing Center,SDPC）的核心算法。

2.2 人工智能鳥類識別的技術實現(xiàn)

該算法的核心為卷積神經(jīng)網(wǎng)絡，并在此基礎上構建多階段Hubel-Wiesel 結構，模仿人眼提取圖像特征的過程。如圖2 所示，使用一個卷積核去從左至右、從上至下掃描整張圖片，卷積得到特征圖（feature map），相較于一般的全連接網(wǎng)絡，卷積網(wǎng)絡參數(shù)共享，參數(shù)量大大減少，且提升了對圖像的特征提取能力。

圖2 二維卷積過程Figure 2 2D convolution process

CNN 包含了對輸入輸出間廣泛的假設空間，在訓練過程中通過大量訓練數(shù)據(jù)，逐漸構建輸入輸出的映射關系。CNN 的模型結構如圖3，除了輸入輸出層，還有卷積、激活、池化、全連接層等。激活層賦予了網(wǎng)絡的非線性表達能力，使得網(wǎng)絡真正具備擬合復雜映射關系的能力。池化層用來舍棄冗余信息，進行快速下采樣。最終轉化為一維全連接層，方便輸出和計算損失。其中，卷積層+激活層+池化層常作為一個組合在網(wǎng)絡中重復使用，增加網(wǎng)絡深度，這也是“深度”學習的名字由來。

圖3 系統(tǒng)卷積神經(jīng)網(wǎng)絡Figure 3 Convolution neural network

2.3 數(shù)據(jù)處理

2.3.1 卷積運算 卷積運算的計算公式如下：

式中，i表示第i層參數(shù)，X代表輸入，Y代表輸出，b代表偏置，W表示卷積核權重，x、y、z為三維矩陣值。f(x)表示所用的激活函數(shù)，*為卷積符號。

2.3.2 級聯(lián)分類器算法 在級聯(lián)分類器算法中采用HOG 梯度直方圖計算圖像橫坐標和縱坐標方向的梯度，圖像中像素點(x,y)的梯度為：

式中，Gx(x,y)表示像素點(x,y)的水平方向梯度，Gy(x,y)表示像素點(x,y)的垂直方向梯度。

通過Gx(x,y)和Gy(x,y)計算該像素點的梯度大小和方向：

式中，G(x,y)為梯度大小，θ(x,y)為梯度方向。

2.3.3 HOG 特征提取流程（1）灰度化［將圖像看做一個x、y、z（灰度）的三維圖像）；（2）采用Gamma校正法對輸入圖像進行顏色空間的標準化（歸一化），目的是調(diào)節(jié)圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同時可以抑制噪音的干擾；（3）計算圖像每個像素的梯度（包括大小和方向）；（4）將圖像劃分成小cells（例如6*6 像素/cell）；（5）統(tǒng)計每個cell 的梯度直方圖（不同梯度的個數(shù)），即可形成每個cell 的HOG 特征descriptor；（6）將每幾個cell 組成一個block（例如3*3 個cell/block），一個block 內(nèi)所有cell 的特征descriptor 串聯(lián)起來便得到該block 的HOG 特征descriptor；（7）將圖像image 內(nèi)的所有block 的HOG特征descriptor 串聯(lián)起來得到該目標圖像的HOG 特征descriptor，即為最終供分類使用的HOG 特征向量。

通過級聯(lián)分類器生成目標模型文件捕捉目標輪廓，將捕捉到圖像數(shù)據(jù)輸入檢測器，生成圖像的特征矩陣、坐標，計算出標簽概率值。標簽概率值越大表明與該目標圖像的相似度越接近。

3 結果與分析

針對斑魚狗Ceryle rudis、蒼鷺、戴勝、羅紋鴨Anas falcata、夜鷺Nycticorax nycticorax這5 種鳥類的訓練樣本集數(shù)據(jù)進行了訓練，訓練樣本數(shù)為8 055 張圖片，訓練集損失值收斂于1.61。在挑選樣本時，選擇了部分鳥類的特寫照片和遠景照片，以增加模型的泛化能力，適應實際應用中遠景鏡頭的現(xiàn)實場景。5 種鳥類的訓練集樣本對目標鳥類使用矩形框標記，標簽統(tǒng)計數(shù)據(jù)如圖4。圖4A 的柱狀圖顯示了每種鳥類的樣本標簽數(shù)量，其中Class 0-4 分別對應于斑魚狗、蒼鷺、戴勝、羅紋鴨、夜鷺；圖4B 表明標簽中心點的分布情況，每個樣本圖的坐標都做了歸一化處理，取值范圍是0～ 1.0，（x，y）是標簽中心點的坐標，每個點的顏色在色柱中從下到上代表散點密度由低到高；圖4C 中width、height 分別為矩形標簽經(jīng)過歸一化處理后的寬、高，每個點顏色在色柱中從下到上代表散點密度由低到高。以上圖4B、C 分布圖反映了鳥類訓練集中鳥類近景、遠景照片的分布情況。

圖4 訓練集標簽信息Figure 4 Labeling information of training set

檢測識別模型經(jīng)訓練后，進行測試驗證，驗證集數(shù)量為3 213張，驗證集準確率為87.75%～ 96.47%（見表2），初步達到可以工程應用的程度(＞85%)。更進一步，使用訓練后的模型算法對仙山湖濕地公園中現(xiàn)場視頻監(jiān)控設備回傳的視頻進行實時監(jiān)測、抓拍，實現(xiàn)了目標鳥類的實時監(jiān)測識別圖5A、B。同時，由圖5C 可見，對于未進行訓練建模的鳥類，系統(tǒng)檢測算法將進行目標檢測并分類為“Bird”，研究人員可以據(jù)此進行人工介入、分析識別，從而為發(fā)現(xiàn)未知鳥類、為生物多樣性保護的自動化、全天候、實時監(jiān)控提供技術支撐。

表2 鳥類驗證樣本數(shù)及準確率Table 2 Bird verification samples and accuracy rate

圖5 鳥類實時檢測結果Figure 5 Real time detection

4 結論與討論

近年來基于深度學習的目標檢測算法發(fā)展迅速，在提升檢測精度的同時減少了網(wǎng)絡訓練對算力的依賴。但深度學習算法需要大量數(shù)據(jù)進行訓練建模，而鳥類資源保護尤其是珍稀瀕危鳥類保護面臨的現(xiàn)實問題就是原始數(shù)據(jù)嚴重不足。本文在初始樣本數(shù)量有限的情況下，采用級聯(lián)分類器和卷積神經(jīng)網(wǎng)絡人工智能識別技術作為鳥類檢測和分類的輔助工具。對5 種仙山湖常見鳥類進行建模、訓練，經(jīng)驗證集測試驗證，準確率為87.75%～ 96.47%，初步達到工程可用的程度（準確率＞85%）。該方法可應用于已知鳥類的自動化實時監(jiān)測識別，并輔助實現(xiàn)對未知鳥類的監(jiān)測與發(fā)現(xiàn)，為生物多樣性保護提供技術支撐。

本算法應用于大視角、遠視場，缺少對鳥類圖像細部特征的應用，檢測準確率還有較大的提升空間。后續(xù)為提高鳥類識別的準確率，將在模型訓練中進一步融合鳥類細部特征，優(yōu)化網(wǎng)絡模型。同時，需要加大對鳥類觀測數(shù)據(jù)的采集力度，持續(xù)積累監(jiān)測數(shù)據(jù)。在積累更多樣本數(shù)據(jù)的基礎上，加大模型訓練的力度。后續(xù)隨著原始數(shù)據(jù)的積累，逐步將算法的主體部分全部轉為深度學習算法，級聯(lián)分類器則作為圖像預處理和增強的輔助技術。在推理速度方面，應用神經(jīng)網(wǎng)絡的剪枝量化等模型壓縮方式，減少網(wǎng)絡計算量。通過以上改進優(yōu)化措施，預期可以進一步提升檢測準確率、提高檢測速度，最終實現(xiàn)在前端設備上的在場在線檢測。