由怀俄明州大学的研究人员和其他人在怀俄明大学开发的计算机模型已经证明了在从北美的相机拍照中识别野生动物图像方面的卓越准确性和效率。

在《科学与进化的方法》杂志上发表的一篇论文中详细描述了人工智能的突破，这被认为是对野生动植物的研究和保护的重大进步。该计算机模型现在可用于Program R的软件包中，Program R是一种广泛使用的编程语言，并且是用于统计计算的自由软件环境。

该论文的主要作者是威斯康星大学动物学和生理学系的最新作者。该论文说：“从相机陷阱中快速识别数百万张图像的能力可以从根本上改变生态学家设计和实施野生动植物研究的方式。” 都位于科罗拉多州科林斯堡的美国农业部流行病学和动物健康中心的毕业生迈克尔·塔巴克(Michael Tabak)和瑞安·米勒(Ryan Miller)。

该研究是基于今年早些时候在《美国国家科学院院刊》(PNAS)上发表的UW研究而建立的，该计算机模型分析了一个名为Snapshot Serengeti的公民科学项目在非洲由照相机陷阱捕获的320万张图像。称为深度学习的人工智能技术以96.6%的准确率对动物图像进行分类，与人类志愿者团队获得的准确率相同，其步伐比人们快得多。

在最新的研究中，研究人员在西弗吉尼亚大学的高性能计算机集群Mount Moran上训练了一个深层神经网络，使用来自美国五个州的27种动物的337万张摄影机图像对野生动物进行分类。然后，该模型在便携式计算机上以每分钟约2,000张图像的速度在近375,000张动物图像上进行了测试，达到了97.6%的准确度-可能是迄今为止使用机器学习进行野生动物图像分类的最高准确度。

还对来自加拿大的5900张麋鹿，牛，麋鹿和野猪图像的独立子集进行了计算机模型测试，得出的准确率为81.8%。并且它成功地从坦桑尼亚的一组照片中删除了“空”图像(没有任何动物)，取得了94%的成功。

研究人员已经在程序R中的软件包中免费提供了他们的模型。该程序包“用于R中的野生动物图像分类的机器学习(MLWIC)”允许其他用户对数据集中包含27种物种的图像进行分类，但是还允许用户使用来自新数据集的图像来训练自己的机器学习模型。

PNAS文章的主要作者，最近的UW计算机科学博士学位。Mohammad Sadegh(Arash)Norouzzadeh的研究生，是《生态与进化方法》新论文的多个撰稿人之一。威斯康星大学的其他参与研究人员是怀俄明州鱼类与野生动物合作研究部的计算机科学系副教授Jeff Clune和博士后研究员Elizabeth Mandeville。

参加研究小组的其他组织包括美国农业部国家野生动物研究中心，亚利桑那州立大学，加利福尼亚州的第戎牧场自然保护区，乔治亚大学，佛罗里达大学，科罗拉多公园和野生动物大学，萨斯喀彻温大学和蒙大拿大学。