李征浩，陳國遠，趙永強，張亞楠，李春榮，陳 浩

(江蘇鹽城國家級珍禽自然保護區(qū)管理處，江蘇 鹽城 224057)

鳥類作為濕地的指示性物種，其種群分布與數(shù)量對濕地生態(tài)系統(tǒng)健康評價具有重要意義，鳥類調查是濕地保護區(qū)的重要工作之一。然而，鳥類調查監(jiān)測長期依賴于人工經(jīng)驗積累和野外調查統(tǒng)計[1]，調查監(jiān)測人員的工作強度大，還必須具備豐富的鳥類識別經(jīng)驗和知識，給鳥類的長期監(jiān)測和保護帶來了較大的難度。隨著計算機技術的快速發(fā)展，尤其是近幾年大數(shù)據(jù)分析技術的廣泛應用，基于計算機視覺技術開展鳥類識別逐漸應用到鳥類日常監(jiān)測和調查中來[2-4]。鑒于該技術在鳥類識別中的重要生態(tài)價值，鹽城珍禽自然保護區(qū)近年來將鳥類自動識別系統(tǒng)應用于鳥類調查，取得了較好的成效。現(xiàn)對比常規(guī)鳥類調查方法，在總結鹽城珍禽自然保護區(qū)傳統(tǒng)的調查方法以及應用鳥類自動識別技術的基礎上，分析鳥類自動識別技術的優(yōu)勢、存在問題和改進建議，并對其應用前景和研究進行展望。

1 常規(guī)鳥類調查方法

常規(guī)的鳥類調查方法有樣線法、樣點法、標圖法、標記重捕法、鳴聲回放法、聚集地調查法等[5]，其中，標圖法是最精確的一種方法[6]。但是由于需要眾多經(jīng)驗豐富的觀察者進行大量的工作，且不適用于復雜的生境條件，又投入巨大，故此種方法只在歐美少數(shù)國家得到應用。我國目前鳥類調查中最常使用的方法是樣線法和樣點法[7]，而標記重捕法、鳴聲回放法、聚集地調查法應用則比較少[8]。

(1) 樣線法：在調查地點選擇多條樣帶線，通過肉眼或借助 10 倍雙筒望遠鏡和 60 倍單筒望遠鏡在開闊生境中，觀察、記錄鳥類的種類及數(shù)量分布，并通過GPS 定位，在地圖紙上標記出樣帶位置。

樣線法不受季節(jié)限制，靈活性強; 易于發(fā)現(xiàn)鳥的種類多，但只適用于平坦、簡單地勢,且需花費大量時間和精力，前進速率不易維持穩(wěn)定。

(2) 樣點法：樣點法主要是根據(jù)數(shù)個固定樣點，借助 10 倍雙筒望遠鏡和 60 倍單筒望遠鏡，以點為中心形成一個圓形區(qū)域，直接計數(shù)一定面積內的鳥類和數(shù)量。

樣點法易于實施、隨機化或系統(tǒng)化，適合于復雜及斑塊化生境，但調查的精度較低，只能觀察到調查地區(qū)的部分鳥類個體，效率較樣線法低。

2 鹽城珍禽自然保護區(qū)常規(guī)鳥類調查

江蘇鹽城國家級珍禽自然保護區(qū)，地處江蘇中部沿海，擁有大陸海岸線582 km，面積24.72萬hm2，是我國最大的淤泥質海岸保護區(qū)、國際重要濕地、世界生物圈保護區(qū)、東亞-澳大利西亞鳥類遷徙路線上的熱點保護區(qū)。其獨特的地理位置、淤積於漲型海岸帶、豐富多樣的生態(tài)系統(tǒng)，使得鹽城保護區(qū)成為眾多鳥類的重要棲息地和覓食地，每年有600—800只丹頂鶴來此越冬，有300萬只遷徙的鸻鷸類候鳥在此停留覓食。隨著鳥類越來越多，鳥類調查工作日趨重要。

鹽城珍禽保護區(qū)是國內最早開展鳥類調查的保護區(qū)之一，保護區(qū)成立之初，主要針對重點保護物種丹頂鶴開展野外調查，后來逐步規(guī)范化和專業(yè)化，并逐步擴展鳥類調查對象。2012年環(huán)境保護部開始啟動全國生物多樣性監(jiān)測項目，覆蓋保護區(qū)全方位進行四季鳥類監(jiān)測，規(guī)范化采用樣線和樣點法調查，主要傾向于水鳥調查。2019年，保護區(qū)鳥類調查人員將鹽城濱海濕地劃分成36個10 km×10 km調查網(wǎng)格，在每個網(wǎng)格中設定樣點、樣線，共120個，從北到南涉及響水縣、濱海縣、射陽縣、亭湖區(qū)、大豐區(qū)、東臺市共6個區(qū)縣。重點調查區(qū)域為保護區(qū)核心區(qū)與有較多鳥類棲息繁殖的地區(qū)，調查內容為：濕地鳥類物種組成、分布、種群數(shù)量、生境類型，濕地鳥類棲息地保護現(xiàn)狀與受威脅因素，珍稀瀕危及保護物種的種類、數(shù)量特征、分布狀況、生境特征、保護現(xiàn)狀、受威脅狀況等。由于鹽城珍禽自然保護區(qū)地處沿海，面積大，生境復雜，鳥類調查常受地域和天氣條件限制，調查結果準確性受制于調查人員的經(jīng)驗知識和調查頻度等，而基于計算機視覺技術的鳥類自動識別技術，全天時更加高效精準對越來越多的鳥類進行監(jiān)測和調查。

3 鹽城珍禽自然保護區(qū)鳥類自動識別技術應用

3.1 鳥類自動識別技術原理

在鳥類自動識別過程中，使用卷積神經(jīng)網(wǎng)絡的圖像識別算法和基于以太網(wǎng)標準化接口數(shù)據(jù)形成了人工智能(AI)平臺。人工智能中的圖像識別技術，其產(chǎn)生目的是為了讓計算機代替人類去處理大量的圖像等物理信息，是人工智能中最為重要的技術之一。圖像識別技術的過程分為信息的獲取、預處理、特征抽取和選擇、分類器設計和分類決策。鳥類識別流程見圖1。

圖1 鳥類識別流程

前期通過收集大量鳥類樣本圖片，對樣本圖片進行標注并利用算法進行訓練形成識別模型樣本庫。鳥類識別過程：首先通過攝像機捕捉鳥類視頻，對視頻進行每幀畫面分割，降噪處理，精準定位鳥類頭部、身體部位(翅膀、羽毛等特征)并進行特征提取，得到特征向量，進而將若干特征向量組合成一個數(shù)據(jù)集，運用深度學習算法，與訓練好的模型特征比對，提取各種鳥類體貌特征，實現(xiàn)對視頻畫面中的鳥類進行多目標實時捕捉和自動識別分類，最后將結果反映到顯示器。

圖像檢索，即將獲取的照片與識別模型樣本庫進行對比匹配得出識別結果的過程。傳統(tǒng)的圖像檢索大多針對通用物體，比如在一些變化不特別大的剛體之間搜索，如不同角度、光照下拍攝的建筑物等，難以準確應用于更精細的場景，如給定1只鳥的照片，讓系統(tǒng)在200多只各類鳥中找出同類的鳥，這時需要尋求新的卷積神經(jīng)網(wǎng)絡算法來完成細粒度圖像檢索任務。在進行細粒度分類時，借用了做圖像檢索時的思想，即“定位主要物體，去掉無效描述”。具體而言，通過對分析對象添加關鍵點，進而生成關鍵部位，從而生成有關識別對象的邊界框。用生成的邊界框內部圖像來訓練一個分割網(wǎng)絡，學習針對具體識別對象的邊界圖，根據(jù)習得的邊界圖，生成了對應物體整體、頭部、身體的3個網(wǎng)絡。在這些網(wǎng)絡的最后一層卷積張量上進行對應的深度描述子篩選與融合。最后，將融合的結果進行級聯(lián)，便可以讓模型完成最后的細粒度識別任務。

3.2 鹽城珍禽保護區(qū)鳥類自動識別技術應用實踐

鹽城珍禽自然保護區(qū)從2017年開始應用鳥類自動識別技術，在保護區(qū)內架設高空遠程視頻監(jiān)控設備。2020年在鹽城射陽1號水庫、鹽城珍禽保護區(qū)核心區(qū)大泗陽、東臺條子泥布設專用于監(jiān)測鳥類的攝像頭，同時利用專線建立局域網(wǎng)，布置1臺圖像采集交互服務器，服務器將前端影像進行數(shù)據(jù)處理和清洗，將有效數(shù)據(jù)傳輸?shù)阶R別服務器，識別服務器將識別結果和業(yè)務服務器進行信息傳遞；通過基于卷積神經(jīng)網(wǎng)絡為核心的深度學習野生動物優(yōu)化的識別算法、依托高算力的GPU算力云，結合網(wǎng)絡的高速低延時傳輸?shù)燃夹g，共同完成對水鳥的精確監(jiān)測，最終將識別數(shù)據(jù)在一體化平臺進行輸出。

3.2.1 樣本處理

(1)樣本采集：在保護區(qū)內實地采集鶴類、鷺類、雁鴨類、鸻鷸類等重要鳥類樣本，根據(jù)季節(jié)變化，每種鳥類至少500張圖片，10個3 min以上視頻，作為深度學習的樣本數(shù)據(jù)。

(2)樣本篩選標注：把采集到的圖片、視頻等樣本經(jīng)過數(shù)據(jù)清洗選出適合訓練的樣本后，利用自動標注軟件將目標鳥類在實地圖片中標注，形成統(tǒng)一標準的XML文件供機器學習使用。

(3)樣本訓練：將標注完成并生成的標準XML文件導入訓練服務器，訓練服務器中物種識別訓練算法開始機器學習后得出訓練結果，可用于識別實地的物種名稱、數(shù)量。

3.2.2 組網(wǎng)方案 前端數(shù)據(jù)采集服務器將攝像頭采集到的視頻經(jīng)過數(shù)據(jù)加工發(fā)至本地識別服務器，識別服務器接收圖像并進行算法識別，再將識別結果和相關信息發(fā)送至用戶的業(yè)務服務器，業(yè)務服務器根據(jù)收到的結果進行業(yè)務處理即可。業(yè)務服務器還可與聲光告警裝置連接，當出現(xiàn)特定鳥類，可以進行聲光提醒。

3.2.3 算法及算法服務器 基于150多層的卷積神經(jīng)網(wǎng)絡架構搭建的深度學習算法模型可以對微小的野生動物進行精確的識別，同時聯(lián)合開發(fā)依托于Nvidia，Rockchip和Bitmain等的芯片，部署在集群環(huán)境和邊緣盒式產(chǎn)品中，使得識別速度高且算力性價比高。

3.2.4 訓練庫樣本及知識庫解決 通過監(jiān)控收集樣本圖片，利用標注工具對樣本進行標注，將標注好的樣本導入訓練服務器進行訓練，訓練完成后將識別模型導入到識別服務器；將物種信息錄入到管理分析平臺，需要進一步了解物種的屬性等專業(yè)信息時，只需將鼠標點擊物種圖片即可顯示該物種詳細的知識信息。

3.2.5 識別結果展示 在設備使用過程中會記錄和積累鳥群的出沒種類、數(shù)量及時間周期，根據(jù)關注鳥種出沒情況，做云臺控制，跟蹤目標鳥種，保存目標鳥種的視頻信息。在前端設置中增加1臺含有GPU的臺式機，可將人工智能物種識別技術直觀地進行展示。

目前鳥類自動識別系統(tǒng)中收集物種圖片約10萬張，收集物種視頻約40 h，建立鳥類知識庫物種1 226 種，建立鳥類識別模型634種，其中針對鹽城珍禽自然保護區(qū)鳥類庫中常見水鳥100種，重點鳥類識別模型50種。目前在天氣良好狀態(tài)下對50種重點鳥類識別率超過95%。

3.3 鳥類自動識別技術優(yōu)勢

3.3.1 突破地域限制，全方位覆蓋 只要在前期布設高清攝像頭，可實現(xiàn)任何地域的360°全景、無盲區(qū)和無死角監(jiān)測，克服由于濕地保護區(qū)面積大、范圍廣、人員難進入的困難，相比傳統(tǒng)的人工鳥類監(jiān)測方法，觀測范圍更廣，節(jié)省大量人工。

3.3.2 全實時監(jiān)測，無視惡劣天氣條件 利用攝像機對水鳥進行7×24 h不間斷監(jiān)測，克服人工監(jiān)測遇特殊情況如風雨、冰雪等無法監(jiān)測的情況，對于研究鳥類在惡劣條件下生存方式，救助手段具有重要意義。

3.3.3 實現(xiàn)真正意義的同步調查 常規(guī)鳥類同步調查，是指在1至數(shù)天內，很多個調查小組對整個區(qū)域進行調查，只能盡可能避免因鳥類飛行移動產(chǎn)生的重復計數(shù)，但結果仍不夠準確，且準確率不好估計。鳥類自動識別技術可將同步調查的時間限定在某一時刻，實現(xiàn)真正意義上的同步調查，完全避免重復計數(shù)。

3.3.4 統(tǒng)一識別方式，結果更準確 傳統(tǒng)人工因每位調查人員的認知、判定鳥種的能力水平不一、野外調查時觀測設備不同會導致識別結果出現(xiàn)誤差，從而出現(xiàn)識別結果的不唯一性。使用統(tǒng)一算法識別、AI計數(shù)，結果準確，且調查時間越長，次數(shù)越多，樣本數(shù)量越大，識別結果會越加精確。

3.3.5 一次性投資，長期使用 鳥類自動識別系統(tǒng)具有一次性投資，長期使用的特性，同時具有實時監(jiān)控，自行設置調查頻率，節(jié)省大量人力和物力。

3.4 存在問題及改進建議

3.4.1 攝像頭監(jiān)測范圍重合 攝像頭的拍攝范圍是以攝像頭為圓點，攝像頭拍攝距離(目前是2—3 km)為半徑的圓形區(qū)域內。若攝像頭云臺自動旋轉獲取邊界內的數(shù)據(jù)自動識別，導致重復計數(shù)，造成數(shù)據(jù)不準確，可從2個方面考慮解決：(1)人為劃定獲取攝像頭數(shù)據(jù)的范圍，在攝像頭可見范圍內設立固定標記物，對監(jiān)測區(qū)域進行劃分，框定識別分析的有效范圍，設定攝像頭云臺旋轉周期與視頻流抓取頻率，減少重復。需要注意的是，該措施要求及時更新實景地圖，實現(xiàn)地圖與實景拍攝范圍的高度重合；(2)在程序中加入環(huán)境自動識別功能，若出現(xiàn)相同環(huán)境，則只選取最清晰圖像的數(shù)據(jù)進行分析記錄。

3.4.2 難以自動獲取清晰圖像 攝像頭難以對遠距離目標進行自動對焦是目前視覺識別方面存在的客觀技術問題。雖然攝像頭拍攝范圍比較廣，能監(jiān)測到人工調查無法進入的區(qū)域，但是在攝像頭可控測范圍內，鳥類分布比較分散，若不調整焦距將無法獲得清晰照片。保護區(qū)目前已布設的攝像頭有自動對焦功能，但多目標存在，攝像頭不能進行區(qū)域對焦。對不同關注目標需要人工調整焦距才能獲取清晰圖像。針對硬件缺陷，目前主流做法是更換攝像頭，提高設備的性能水平。攝像頭更換有2個方面建議：(1)選取有自動對焦功能的攝像頭。例如，華為二郎楊系列攝像頭已經(jīng)具備對多重目標自動對焦功能，但由于該款攝像頭還未上市，未知具體參數(shù)、功能及效果，無法評價其效用，可在今后量產(chǎn)后開展相關測試和應用；(2)選取超高像素攝像頭。推薦安迪科螳螂系列攝像頭，像素提高到10億級，仿生蒼蠅復眼具有的“超遠距，大視角，全范圍細節(jié)無所不見”等特性，在不用對焦的情況下，單一視頻均可捕捉全部細節(jié)，即獲取視頻之后，仍可以進行縮放功能操作，利用精細化視頻或圖片利于鳥類自動識別。

4 應用前景及鳥類調查研究中的展望

4.1 取代樣點樣線法

因樣點觀測半徑和樣線長度一般在3 km之內，目前主流攝像頭觀測距離可滿足要求，因此攝像頭布設在樣點中心和樣線2端(若樣線有拐點，可在拐點處加設)可取代人工進行樣點樣線調查。

4.2 鳥種峰值相加法

鳥類雖然飛行遷徙，但在固定區(qū)域較短時間內的鳥類種群和數(shù)量可認為是一定的，這也是水鳥同步調查的理論基礎。以保護區(qū)參加的黃、渤海水鳥同步調查為例，一般在固定時間段(5—10 d)，沿黃、渤海水鳥遷徙線路全部調查，獲取最終數(shù)據(jù)，最大可能避免重復計數(shù)，確保數(shù)據(jù)準確。

在固定區(qū)域較短時間內開展多次調查的情況下，每種鳥數(shù)量的峰值一般不會出現(xiàn)在同次調查中，因此將所有鳥種的峰值數(shù)據(jù)相加，更能反映保護區(qū)內的鳥類種群情況。鳥類自動識別技術，為在固定區(qū)域較短時間開展多項調查提供了可能。

總之，視頻監(jiān)控技術和軟件技術的發(fā)展對鳥類調查提供了新的思路，相對傳統(tǒng)人工調查的方法，鳥類自動識別調查技術可大幅提升調查效率，擴大調查范圍，為鳥類調查工作開辟了新的方向。