626 115摘要随着人的野生生物互动的增长，野生动物栖息地越来越频繁，野生动物栖息地面临着越来越多的环境压力，监测动物的行为对于保护工作和生态研究至关重要。本文使用计算机视觉，深度学习和Yolov8提出了AI驱动的野生动植物行为监测系统，以实时检测，分类和分析野生动物活动。所提出的系统准确地识别物种，并跟踪各种栖息地的饲料，运动，休息和社交互动等行为。它通过空间和时间映射提供详细的见解，揭示了诸如迁移路线和季节性行为变化之类的模式。先进的异常检测标志（例如困扰或潜在的偷猎）触发了保护主义者的警报。该系统的仪表板可视化动物检测，历史数据和行为报告，从而帮助研究人员研究长期行为趋势。未来的特征包括预测野生动植物行为的预测分析，用于远程监测的边缘AI以及以监测难以捉摸的物种的声学识别。通过提供实时监控和数据驱动的见解，该AI驱动的系统旨在彻底改变野生动植物的研究和保护，从而确保主动保护和可持续的野生动植物管理。关键字：AI驱动系统，野生动植物行为，计算机视觉，Yolov8，动物跟踪，行为分类，保护。I.通过利用先进的技术，研究人员可以更深入地了解动物行为，人口趋势和栖息地使用。引言在21世纪，由于栖息地破坏，气候变化和人类野生动物的相互作用，野生动植物保护和生态研究的挑战变得越来越复杂。随着城市地区的扩大和侵占自然栖息地，监测野生动植物行为对于确保物种生存和了解生态系统动态至关重要。人工智能（AI）和计算机愿景与野生动植物监测的整合提供了创新的解决方案，以解决这些紧迫的保护问题。野生动植物种群面临许多威胁，包括偷猎，栖息地丧失和气候变化，这使传统的监测方法通常效率低下且资源密集。传统技术，例如手动观察和跟踪，可能会很费力，并且可能不会产生及时或全面的数据。因此，对自动化系统的需求越来越大，可以实时有效监视野生动植物，