了解 Microsoft AI 如何保护自然资源 - 自然资源部的成功案例

以前我们讨论了使用 AI 解决方案监视野生动物种群的好处。 它是一种帮助可持续发展专家保护生态系统的常见 AI 方案。 现在，让我们详细探讨一个具体的成功案例。

组织

华盛顿州自然资源部 (DNR) 成立于 1957 年，负责管理华盛顿州信托土地和其他自然资源。 它管理这些土地以确保其健康和生产力。 因此，其责任是双重的：为今世和后世创造收入并保护生态系统。

DNR 监管着 560 万英亩的公共土地。 此外，它管理着多种多样的土地，这些土地有着不同的生物群落和需求。 适当的管理需要特定栖息地（例如森林、海岸线和水生地）的技术专业知识。

面临的挑战

在 DNR 内，水生资源部门开展了多项计划来监管 260 万英亩被淹没的水生土地。 其中，近岸栖息地计划每年收集数百小时的水下视频片段来监视海洋植被。 目标之一是跟踪本地鳗草（一种海草）的丰度和分布。

此任务涉及分析大约 350 小时的视频片段，对鳗草进行识别、分类和地理定位。 这个过程需要两名科学家的人工工作，耗费了他们三个月的工作量。 这个过程浪费了高度专业化的宝贵资源。

解决方案

近岸栖息地计划的专家决定与 Microsoft 合作，用 AI 解决这个问题。 他们发现最好的方法是自动视频分类，使用 AI 模型来识别鳗草。

该用例的技术基础是 Azure AI 服务的图像识别功能。 视频上传到 Azure，拆分成帧，然后由 Azure AI 服务中包含的模型进行分析。 这些模型在 Azure 机器学习中管理、生成和部署，因此任何科学家（不仅仅是数据科学家）都可以完成该任务。 最后，团队使用 Microsoft Power BI 创建结果报表。

结果

该解决方案已经为专家节省了数月的时间并提高了他们的工作效率。 现在，这一过程只需几周而不是几个月，只需一个人而不是两个人。 中期目标是完全自动化该过程并将其复制用于其他监视项目。

若要了解详细信息，请阅读华盛顿州自然资源部使用 Azure AI 自动化水生生物资源监测，节省了专家数月的时间。

接下来，让我们研究一下移动领域的可持续发展用例。