| 作品介紹 |
台灣每年四季，都會有來自各地的候鳥遷徙至此，遷徙是鳥類生命周期中風險最高的行為，受到體能、天敵及氣候等多種因素的限制，而人們往往會在這段時間到候鳥的遷徒地進行拍攝和研究。
而目前記錄候鳥的瓶頸包含賞鳥攝影師和鳥類觀察學者要花費大量時間和金錢做攝影紀錄及研究探討，且紀錄候鳥的鏡頭器材頻繁更換，長時間下來增加了大量的設備及金錢消耗，且攝影以及紀錄大多數為人工處理，需要工作人員自行攜帶器材，並搜尋相關資料。且時常需要研究人員花費大量時間收集資料，加上人員不充足，造成人員無法負荷，另外候鳥遷移的地點往往不是在郊區或是交通便利的區域，需要攝影及記錄人員前往候鳥遷移的地點，而地點多數在山上、溪流、森林及人煙稀少的地方，甚至少數地形及氣候不適合人久留。
因此本作品藉由擷取即時影像，透過深度學習技術來實行影像辨識，進行鳥類影像的偵測，設計一個智慧型侯鳥自動記錄系統。在偵測到鳥時會對目標追蹤並進行截圖，並傳送至雲端電腦做進一步辨識是否為候鳥，確認為候鳥後再對截圖做保存，過程中不會驚嚇到鳥兒。能夠達到紀錄候鳥生態的同時，兼顧環保。且依照周遭環境，使用Web Cam針對候鳥進行自動生態紀錄，並能應用在農田、郊區、住戶及觀察區等。攝像頭可設置在平地上，並在嵌入式版安裝預先以Tiny YOLO訓練鳥類樣本的權重檔進行邊緣運算作為edge平台，並在遠端伺服電腦以Inception V3神經網路訓練黑面琵鷺、白頭翁、台灣藍鵲、蒼鷺、琵嘴鴨及、藍磯鶇六類候鳥。當鏡頭範圍內辨識為鳥類時，將進行追蹤動作並進行紀錄時間及截圖保存，並將截圖影像傳至遠端伺服做再次辨識及分類，其結果將會分為六類，黑面琵鷺、白頭翁、台灣藍鵲、蒼鷺、琵嘴鴨及、藍磯鶇。
透過此方式整合，能有效減少伺服端運算的負載，降低通訊負載，並減少兩邊耗能，增加辨識效率。 |