AI 模型绘制隐藏的动物喂食操作以解决水污染问题

快速阅读: 据《AZoAI》最新报道，阿肯色大学系统的科学家们开发了一种基于人工智能的模型，能以87%的准确率定位隐蔽的养殖场，有助于解决水污染问题。该研究填补了农场动物位置数据的空白，为政策制定者和农民提供了有力工具。这项研究由阿肯色大学系统农业部资助，并得到了国家科学基金会的支持。

阿肯色大学系统农业部2025年2月18日科学家们建立了一个基于人工智能的模型，用于定位隐蔽的养殖场，这是遏制水污染和改善环境管理的关键一步。该突破以87%的准确率提供了一种强大的工具，可供政策制定者和农民共同利用。研究：基于机器学习的美国养殖场识别图片来源：瓦尔迪斯·斯库德雷 / Shutterstock了解农场动物的养殖地点对于管理其环境影响和发展技术解决方案至关重要，但数据缺口常常使全面了解变得困难。生物与农业工程研究员贝卡·穆尼希着手通过开发一种新的映射动物饲养场的技术来填补这一空白。穆尼希表示，如果缺乏适当的管控措施，这些饲养场所产生的废物可能对生态系统造成重大危害，例如地表水因过量磷和氮而受到污染。动物饲养场是指在封闭区域内饲养动物至少45天的设施，该区域不种植草或饲料。对于穆尼希，这位研究水流如何通过景观移动，并关注有毒物质如何通过水流传播造成污染的水质工程师而言，这个问题引起了她的兴趣。“如果我们不清楚问题所在，就无法真正解决问题，”穆尼希说，她是阿肯色大学工程学院的副教授，也是阿肯色农业实验站的研究员，阿肯色农业实验站是阿肯色大学系统农业部的研究机构。“我们对全国范围内，甚至许多州层面的景观中牲畜位置了解不足，这确实阻碍了我感兴趣的某些研究。”穆尼希表示，这些饲养场的增加反映了人口增长和全球对牲畜产品需求的增长。穆尼希团队开发了一个无需使用航拍图像即可预测养殖场位置的机器学习模型。该模型是基于来自18个美国州的数据开发的，这些州的数据按所有权被划分为单独的地块。当该模型应用于已知养殖场的数据集时，其预测准确率为87%。填补空缺穆尼希表示，以前试图识别动物饲养场的方法通常依赖于航拍图像。然而，不同州和不同动物的牲畜设施看起来往往不同，因此她和团队打算采取进一步策略。她解释说，围绕牲畜位置的缺乏理解通常源于各州对清洁水法的不同解读，该法律要求将农场分类为“集中动物饲养场”的农场必须通过国家污染物排放消除系统获得许可。这些设施属于拥有超过1000个动物单位的养殖场类型。尽管有全国性规定，各州在许可管理上的差异导致了数据的不一致。例如，穆尼希在一个包括密歇根州和俄亥俄州之间多个养殖场的流域内构建了一个流域模型。由于该州的许可要求，数据可以通过密歇根州的污染物消除系统轻松获取。然而，同样的数据在俄亥俄州的同一养殖场则不可用，这促使穆尼希展开了相关调查。穆尼希表示，改进牲畜核算有助于制定策略，并通过对技术的规模化应用来应对动物废物，从而为农民创造经济机会。她解释说，以经济可行的方式扩大这些技术需要了解牲畜分布最广泛和空间相连的位置。该研究的合著者包括阿格贾特·萨哈，前阿肯色大学博士后研究员，现为堪萨斯地质调查局助理科学家；巴里拉·拉希德，阿肯色大学博士生；廷·刘，阿肯色大学生物与农业工程系研究员；洛雷恩·米拉尔哈，俄亥俄州立大学食品、农业和生物工程系助理教授。科学与磷可持续性中心在国家科学基金会CBET-2019435号奖励的支持下进行了这项研究。研究中使用的数据来自Regrid的数据计划，这是一个全国范围的土地地块数据来源。资料来源：阿肯色大学系统农业部

参考文献：
萨哈，阿格贾特；拉希德，巴里拉；刘，廷；米拉尔哈，洛雷恩；穆尼希，贝卡·L.（2025）。《总体环境科学》，960，178312。DOI: 10.1016/j.scitotenv.2024.178312

(以上内容均由Ai生成)