Google发布SpeciesNet，这是一个旨在识别野生动物的 AI 模型

【野生动物观察分类：科研人员的甜蜜烦恼】

全球生态学家正面临一场「数据海啸」——红外相机陷阱每天产生数百万张野生动物照片，但人工分类需耗时数周。

这些设备虽能捕捉雪豹夜行、雨林鸟群迁徙等珍贵画面，却因数据处理效率低下，让许多濒危物种研究陷入「看得到、来不及分析」的困境。

【Wildlife Insights进化论：从协作平台到AI加速器】

6年前，谷歌通过公益项目Google Earth Outreach推出Wildlife Insights平台，允许科研机构共享、标注相机陷阱影像。

如今，这一平台迎来「核芯升级」：全新开源的SpeciesNet模型以6500万张图片为训练基础，整合史密森尼学会、伦敦动物学会等顶尖机构的数据库，能识别2000余种标签，不仅精确区分非洲象与亚洲象，还能过滤车辆、人类等干扰项，让数据分析效率提升数十倍。

【开源生态之战：谷歌VS微软的「AI护自然」暗线】

SpeciesNet选择Apache 2.0开源协议，意味着企业可免费商用。

谷歌直言「希望初创公司用其开发定制化监测工具」，剑指生物多样性商业化服务市场。

而微软早前推出的PyTorch Wildlife框架同样开放动物识别模型，两大科技巨头的「开源军备竞赛」，或将催生更多AI护林员、智能保护区管理系统，甚至改写野生动物盗猎防控规则。

【6500万张图背后的科学革命】

SpeciesNet的突破在于「跨场景泛化能力」：无论是热带雨林潮湿环境下的树蛙，还是极地雪原中伪装的北极狐，模型均能通过局部特征（如斑纹、瞳孔形状）精准识别。

谷歌透露，其算法特别优化了模糊图像、遮挡场景的解析能力——这对常在夜间拍摄的相机陷阱至关重要。

未来，该技术或延伸至珊瑚礁识别、昆虫多样性普查等更细分的生态领域。

开源地址:https://github.com/google/cameratrapai

文章来自于“HiTechPro”，作者“HiTechPro”。