探索 Microsoft AI 如何保護自然資源 – 自然資源部的成功案例
先前，我們介紹過使用 AI 解決方案監視野生動物族群的優點。 這是一個協助永續性專家保護生態系統的常見 AI 案例。 現在，讓我們深入探討一個具體的成功案例。
組織
華盛頓州自然資源部 (DNR) 成立於 1957年，為華盛頓州信託土地及其他自然資源的監管機構。 該部門負責管理這些土地，以確保其健康和生產力。 因此，他們具有雙重職責：為現在和子孫後代創造收入，並保護生態系統。
DNR 監管著 560 萬英畝的公有土地。 此外，該機構管理著豐富而多樣的土地，具有不同的生物群系和需求。 妥善管理將需要特定棲息地的技術專業知識，例如森林、海岸線和水域土地。
挑戰
DNR 內的水域資源部門展開幾項監督 260 萬畝淹沒水域土地的計劃。 其中的近岸棲息地計劃每年收集數百小時的水下影片錄影，藉此監測海洋植被。 目標之一是追蹤本地海藻品種大葉藻 (eel grass) 的生長和分佈狀況。
這項工作涉及到分析約 350 小時的影片錄影、識別、分類和地理定位大葉藻。 這個過程需要兩位科學家的人工作業，並使他們三個月的工作負載變得繁重不堪。 這個流程浪費了高度專業化的寶貴資源。
解決方案
近岸棲息地計劃的專家們決定與 Microsoft 合作，使用 AI 解決此問題。 他們發現最好的方法是自動化影片分類，運用 AI 模型來識別大葉藻。
此使用案例的技術基礎是用於影像辨識的 Azure AI 服務功能。 影片會上傳至 Azure、分割成畫面格，並由 Azure AI 服務中的內建模型進行分析。 模型是由 Azure Machine Learning 管理、建置和部署，因此任何科學家都可以完成工作，不必是資料科學家。 最後，小組會使用 Microsoft Power BI 建立結果報表。
成果
此解決方案已讓專家省下數個月的時間，並提升其生產力。 此流程從過去的數個月，現今縮短到只需要幾個星期即可完成，所需人力也從兩個人減少到一個人。 中期的目標是將流程完全自動化，並將其複製到其他監控專案。
若想深入了解，請閱讀華盛頓州自然資源部使用 Azure AI 將水域資源監控自動化，為專家節省下數個月時間。
接下來，讓我們探討交通運輸領域的永續性使用案例。