Ensemble Simulation Model-Based Animal Intrusion Detection System

Dieses Kapitel untersucht die Entwicklung eines Simulationsmodells zur Erkennung von Einbrüchen durch Tiere auf Straßen, ein kritisches Thema, das zu Verkehrsunfällen in Indien beiträgt. Das Modell nutzt Wärmebilder, um Tiere wie Hunde, Katzen und Rinder sowie Schlaglöcher mit hoher Genauigkeit zu identifizieren. Die Studie bildet zunächst zwei Deep-Learning-Modelle, MobileNetV2 und NASNetMobile, auf Wärmebildern aus, die eine Genauigkeit von 85,19% bzw. 68,52% erreichen. Um die Erkennungsgenauigkeit zu erhöhen, wird ein Stapelgruppenmodell vorgeschlagen, das die Stärken beider Basismodelle kombiniert. Dieses Ensemblemodell erreicht eine beeindruckende Genauigkeit von 100%, wodurch verschiedene Tierarten und Schlaglöcher effektiv klassifiziert werden. In diesem Kapitel werden auch verwandte Arbeiten in Systemen zur Erkennung von Eindringlingen untersucht, wobei die Verwendung fortgeschrittener Algorithmen wie des Coyote-Optimierungsalgorithmus und des unscharfen C-Mittel-Clusters hervorgehoben wird. Die Schlussfolgerung betont die Notwendigkeit intelligenter KI-Systeme, um Fahrer umgehend zu warnen und so die Schwere von Verkehrsunfällen mit Tieren, insbesondere nachts, zu verringern.