基于机器学习和智能手机检测威利动物制品

对野生动物的不可持续贸易是生物多样性威胁的一个主要方面，现在在数字市场和社交媒体中日益普遍。面对海量数字内容，自动化方法来检测野生动物贸易列表的需求日益增长。这些方法特别适用于自动识别野生动物制品，如象牙。我们开发了基于机器学习的对象识别模型，可在图像中识别野生动物制品并对其进行标记。数据由象、穿山甲和老虹的图像组成，这些图像要么被识别为非法出售，要么被当局没收。具体而言，野生动物制品包括象象牙和皮肤、穿山甲鳞片和爪子（生原料和加工制品），以及老虹皮肤和骨头。我们研究了各种训练策略和两种损失函数，以确定用于自动检测这些野生动物制品的最佳模型。每个物种都训练了模型，同时也开发了一个用于识别来自所有三个物种制品的单一模型。最佳模型显示出整体准确率为 84.2%，分别在检测来自象、穿山甲和老虹的制品时的准确率分别为 71.1%、90.2% 和 93.5%。我们进一步演示了该机器学习模型可以轻松地向利益相关方（如政府当局和执法机构）提供服务，通过开发一个基于智能手机的应用程序，其整体准确率为 91.3%。该应用程序可用于实时点击图像，以帮助识别目标物种的潜在受禁制品。因此，所提出的方法不仅适用于监控网络上的贸易，也可用于例如物理市场中的野生动物贸易监控。