【技术实现步骤摘要】
本专利技术属于动物种群统计，具体涉及一种野生动物识别及其种群规模估算的方法。
技术介绍
1、动物种群规模估计是对某一特定区域内某种动物的总数量进行的估算。这种估计对于生态学研究、资源管理、保护生物学等多个领域都非常重要，早期的野生动物的研究者们大多采用样点、样线对不同物种的栖息地分布范围进行调查研究，由于部分区域难以进入，野外调查难度极大。
2、在统计野生动物种群时，往往会受到地形、天气等因素影响，难以全面统计到野生动物的种群规模，常规的人工计数的方法费时费力，统计结果不够精确，随着计算机人工智能的发展，采用人工和机器相结合的方法来估算野生动物的规模，可以提升种群规模估算的效率以及精度。
3、对此，专利技术人提出一种野生动物识别及其种群规模估算的方法，用以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种野生动物识别及其种群规模估算的方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种野生动物识别及其种群规模估算的方法，包括以下步骤：
4、s1、野外调查，使用摄像机记录野生动物的活动和分布情况，利用无人机技术进行航拍，获取高分辨率的图像数据，以及利用声音识别技术对野生动物的叫声进行录音和识别，得到野外观察数据；
5、s2、图像识别标记，对野生动物的图像进行识别和标记，结合使用计算机视觉技术、深度学习算法以及无人机获取的图像数据，识别野生动物的种类和个体，
6、s3、环境dna采集和分析，采集环境样本，包括水体和土壤，利用环境dna技术分析样本中的dna，非侵入性地监测和识别野生动物的存在和种类，得到环境dna分析数据；
7、s4、建立种群模型，基于野外观察数据、图像数据和环境dna分析数据，建立种群模型，根据生物学特性、栖息地、食物链、繁殖率因素，估算野生动物的种群规模；
8、s5、统计分析和推断，利用统计学方法对数据进行分析和推断，评估种群规模的置信区间，并进行误差估计，对建立的种群模型进行验证，与实际野外观察数据、图像识别结果和环境dna分析结果进行对比，检验模型的准确性和可靠性。
9、优选的，所述计算机视觉技术包括特征提取和特征匹配，通过分析图像数据来自动识别和标记野生动物的种类和个体。
10、优选的，所述特征提取从野生动物的图像中提取特征，描述图像中的关键信息，所述特征提取方法包括：
11、边缘检测，识别图像中的边界和轮廓；
12、角点检测，识别图像中的角点和角度信息；
13、斑点检测，识别图像中的斑点和纹理信息。
14、优选的，所述特征匹配，提取的特征将与已知的野生动物特征进行匹配，以确定图像中是否存在目标动物，特征匹配方法包括：
15、关键点匹配：将提取的关键点与数据库中的特征点进行匹配；
16、模板匹配：将提取的特征与已有的野生动物模板进行比对。
17、优选的，所述深度学习算法为卷积神经网络，包括卷积操作和池化操作，通过多层的卷积和池化操作来学习图像中的特征，然后将这些特征用于分类或识别任务，卷积操作表示为：
18、
19、其中：
20、s(i,j)表示卷积后的输出图像的像素值；
21、i表示收集到的野生动物图像，作为输入特征图；
22、k表示卷积核，用于提取图像的特征；
23、m和n表示卷积核的大小。
24、优选的，所述池化操作用于降低特征图的尺寸和维度，采用平均池化方式，表示为：
25、
26、其中：
27、o(i,j)表示池化后的输出特征图的像素值；
28、i表示收集到的野生动物图像，作为输入特征图；
29、m和n表示池化窗口的大小，大小为2×2或3×3；
30、平均池化取池化窗口内的像素值的平均值作为输出。
31、优选的，s5中统计学方法对数据进行分析和推断，评估种群规模的置信区间，置信区间估计首先对种群规模进行点估计，采用最大似然估计或者贝叶斯估计方法得到一个点估计值，表示对种群规模的最佳猜测，然后，基于点估计和样本数据，使用统计学方法计算置信区间，表示参数估计的不确定性，计算方法包括基于正态分布的置信区间计算、基于bootstrap方法的置信区间计算。
32、优选的，置信区间计算表示为：
33、置信区间＝点估计±临界值×标准误差
34、其中：
35、点估计：使用统计模型估计得到的种群规模即为点估计值；
36、临界值：临界值是根据所选择的置信水平和样本量来确定的，使用标准正态分布的百分位数；
37、标准误差：标准误差是种群规模估计的标准差，表示点估计值的不确定性，通过统计模型的参数估计结果和样本数据计算得到。
38、与现有技术相比，本专利技术的有益效果是：
39、(1)本专利技术使用无人机技术和声音识别技术，可以大大提高野生动物的识别准确性和数据收集效率，有效避免传统的野外观察方法可能受到地形、天气等因素的限制，而无人机航拍和声音识别可以在更广阔的范围内进行数据收集，同时减少了人力成本和时间成本。
40、(2)本专利技术结合图像识别、声音识别和环境dna分析等多种技术，可以获得多样化的数据源支持，这些数据源相互印证，有助于提高对野生动物种群规模的准确性和可信度，使用环境dna技术的引入使得监测过程更加非侵入性，不需要直接接触野生动物，避免了干扰它们的生活环境和行为习性。
41、(3)本专利技术的种群规模估算的方法不仅为科学研究提供了重要的数据支持，还为野生动物的保护和管理提供了科学依据和决策支持，准确的种群规模估算可以帮助制定有效的保护策略，保护濒危野生动物的生存环境和种群数量。
本文档来自技高网...【技术保护点】
1.一种野生动物识别及其种群规模估算的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述计算机视觉技术包括特征提取和特征匹配，通过分析图像数据来自动识别和标记野生动物的种类和个体。
3.根据权利要求2所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述特征提取从野生动物的图像中提取特征，描述图像中的关键信息，所述特征提取方法包括：
4.根据权利要求2所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述特征匹配，提取的特征将与已知的野生动物特征进行匹配，以确定图像中是否存在目标动物，特征匹配方法包括：
5.根据权利要求1所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述深度学习算法为卷积神经网络，包括卷积操作和池化操作，通过多层的卷积和池化操作来学习图像中的特征，然后将这些特征用于分类或识别任务，卷积操作表示为：
6.根据权利要求5所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述池化操作用于降低特征图的尺寸和维度，
7.根据权利要求1所述的一种野生动物识别及其种群规模估算的方法，其特征在于：S5中统计学方法对数据进行分析和推断，评估种群规模的置信区间，置信区间估计首先对种群规模进行点估计，采用最大似然估计或者贝叶斯估计方法得到一个点估计值，表示对种群规模的最佳猜测，然后，基于点估计和样本数据，使用统计学方法计算置信区间，表示参数估计的不确定性，计算方法包括基于正态分布的置信区间计算、基于Bootstrap方法的置信区间计算。
8.根据权利要求7所述的一种野生动物识别及其种群规模估算的方法，其特征在于：置信区间计算表示为：
...【技术特征摘要】
1.一种野生动物识别及其种群规模估算的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述计算机视觉技术包括特征提取和特征匹配，通过分析图像数据来自动识别和标记野生动物的种类和个体。
3.根据权利要求2所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述特征提取从野生动物的图像中提取特征，描述图像中的关键信息，所述特征提取方法包括：
4.根据权利要求2所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述特征匹配，提取的特征将与已知的野生动物特征进行匹配，以确定图像中是否存在目标动物，特征匹配方法包括：
5.根据权利要求1所述的一种野生动物识别及其种群规模估算的方法，其特征在于：所述深度学习算法为卷积神经网络，包括卷积操作和池化操作，通过多层的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。