XiaoMi-AI文件搜索系统
World File Search SystemDowling
推荐引用 推荐引用 Helton, P., Luu, K., & Dowling, A. (2022)。用于自动成像、量化和识别落叶和陷阱样本中节肢动物的人工智能系统。Inquiry：阿肯色大学本科生研究期刊，21(1)。https://doi.org/10.54119/inquiry.2022.21101
众所周知，节肢动物是地球上最多样化、最丰富的真核生物。博物馆和研究收藏馆拥有大量昆虫标本，这些标本来自历史上进行的探险，包括数十万个物种，具有时间和空间价值。研究界无法获取这些生物多样性数据，导致了大量“暗数据”。本研究的主要目标是开发一种人工智能驱动的标本识别系统，大大减少在非典型环境中识别标本所需的时间和专业知识。成功的开发将对生态学和生物多样性科学产生深远影响，因为它将提高生态学研究的分辨率，并使我们能够处理积压的昆虫收藏，解锁大量生物多样性数据。该系统的开发将解决深度学习中的多项挑战，包括与有限的训练数据以及从已知领域转向未知领域相关的问题。尖端的人工智能解决方案将成为可扩展到多个平台和跨地理区域的智能标本识别系统的最终组成部分。