A deep neural network framework for detection and identification of bengal tigers

Der Artikel stellt ein neuartiges Framework für ein tiefes neuronales Netzwerk vor, das zur Erkennung und Identifizierung bengalischer Tiger mithilfe von Drohnen entwickelt wurde, die mit thermischer Erkennung und GPS ausgestattet sind. Dieses System befasst sich mit dem ernsten Problem der öffentlichen Gesundheit des Mensch-Tiger-Konflikts in den Sundarbans, wo die manuelle Zählung der Tiger mühsam und riskant ist. Das vorgeschlagene Rahmenwerk nutzt eine Kombination aus YOLO und Schnelleren RCNN-Algorithmen, um die Identifizierung und Zählung von Tigern zu automatisieren, wodurch die menschliche Intervention deutlich reduziert und die Sicherheit erhöht wird. Das System beinhaltet die Aufnahme hochauflösender Bilder von Tigern mit Drohnen, die dann mit Hilfe eines tiefen Modells neuronaler Netzwerke verarbeitet und trainiert werden. Das Modell erreichte eine beeindruckende Genauigkeit von 95,73% bei der Validierung der Daten und zeigte seine Effektivität bei der Identifizierung einzelner Tiger anhand ihrer einzigartigen Streifenmuster. Dieser innovative Ansatz gewährleistet nicht nur den Schutz und das Management der bengalischen Tigerpopulation, sondern revolutioniert auch die Genauigkeit und Sicherheit der Tigerdetektionstechniken.