《Remote Sensing Applications: Society and Environment》：Smart Surveillance with Conversational Alerts for Wild Elephant Early Warning
编辑推荐：
实时AI驱动的野象监测预警系统在泰国农村的应用研究。该系统整合YOLOv8对象检测、本地CCTV网络和LINE平台对话代理，通过免费通信渠道实现高效预警。实验表明模型mAP@0.5达98.6%，平均响应时间3.8秒，较传统云系统成本降低60%，且具备复杂光照条件下的鲁棒性。系统验证了东南亚农村地区低成本AI解决方案的可行性。
Nattaya Kongyim | Somyot Kaitwanidvilai
泰国曼谷Ladkrabang的King Mongkut技术学院工程学院，Chalongkrung路1号，邮编10520
摘要
人与大象之间的冲突持续威胁着森林周边地区的社区，尤其是在农村地区，野生大象的入侵危及人们的生命和农业生计。本研究提出了一种基于人工智能的实时监控和警报系统，该系统结合了基于YOLOv8的物体检测技术、本地化的CCTV网络以及LINE平台上的类人对话代理。与依赖昂贵云计算和商业消息服务的传统系统不同，该解决方案使用免费的通信渠道和自定义构建的机器人，能够将包含图像、GPS位置和时间戳的警报直接发送给当地居民和相关部门。在本地化数据集上训练的物体检测模型实现了98.9%的精确度、97.3%的召回率、98.1的F1分数以及98.6的mAP@0.5值。从检测到警报发布的端到端响应时间平均仅为3.8秒。得益于强大的Wi-Fi天线部署，该系统能够在无需稳定互联网或昂贵移动网络的情况下快速、广泛地传播数据，显著降低了数据成本——这是在农村地区部署智慧城市技术时的一个关键障碍。与传统的人工巡逻和基于云的人工智能系统相比，所提出的方法不仅更快、更准确，而且成本效益更高。实地测试验证了其在不同光照条件下的稳健性，仅在视觉上模糊的情况下出现了极少的误报。来自当地利益相关者的反馈进一步表明了该系统在提高情况意识、响应时间和长期缓解冲突方面的实际效用。该系统展示了一种可扩展且可持续的模型，适用于发展中国家的智能、人工智能驱动的野生动物监测。
部分摘录
引言
人与大象之间的冲突（HEC）在东南亚地区日益成为一个严重问题，尤其是在泰国，由于大规模的森林砍伐和快速的城市化发展，大象的自然栖息地大幅减少。因此，野生大象为了寻找食物和水源，越来越多地侵入农田和居民区。根据国家公园、野生动物和植物保护部（DNP）的数据，2023年记录了超过3000起入侵事件。
相关理论
深度学习是机器学习的一个专门分支，它利用具有多个隐藏层的人工神经网络来建模和解决复杂问题。受人类大脑结构和功能的启发，深度学习模型在识别模式和从大量通常是非结构化的数据集（如图像、视频和音频）中学习特征方面表现出色。在计算机视觉中最广泛使用的架构之一是卷积神经网络（CNN）。
提出的系统：模拟人类输入的对话代理
本研究采用的方法包括六个主要阶段，以确保所提出的野生大象检测和警报系统的有效开发、训练、部署和评估。数据收集：从多种来源收集了数千张展示野生大象的图像，包括CCTV监控录像、公开可用的数据集以及安装在已知入侵区域的森林摄像头陷阱拍摄的图像。
最终的数据集包含大约5200张图像，来源包括……
实验结果
所提出的系统通过在Nakhon Nayok省一个易发生冲突的农村地区进行定量性能指标评估和实际部署来进行测试。
使用结合了本地收集的CCTV录像、公开可用的图像数据集以及来自已知大象入侵区域的森林摄像头陷阱图像的数据集来评估该监控系统的性能。
总共使用了5200张标注图像，训练-验证-测试的比例为80:10:10。
结论
本研究开发并实地测试了一种基于人工智能的低成本监控系统，用于减少农村地区的人与大象之间的冲突（HEC）。该系统的mAP@0.5值为98.9%，平均警报延迟时间为3.8秒，显示出高精度和快速响应能力。与YOLOv5相比，YOLOv8框架提高了准确性并减少了3-5%的延迟。十二位用户的反馈证实，对话式警报增强了人们的意识和协调性。将YOLOv8检测技术与混合系统相结合……
CRediT作者贡献声明
Somyot Kaitwanidvilai：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、监督、资源管理、项目规划、方法论研究、资金获取、正式分析、概念构思。
Nattaya Kongyim警官：撰写 – 原稿、可视化、验证、软件开发、方法论研究、调查、数据整理
利益冲突声明
? 作者声明他们没有已知的财务利益冲突或可能影响本文所述工作的个人关系。
Somyot Kaitwanidvilai于2005年从亚洲理工学院（AIT）获得机电工程博士学位。他目前是King Mongkut技术学院Ladkrabang分校（KMITL）电气工程系的教授。
Somyot博士的研究领域包括人工智能、机器人技术、下一代通信系统和智能制造。他在工程和教育方面的广泛贡献包括担任顾问委员会成员……
