蝙蝠會發出聲學脈衝，並利用回聲來了解它們的周圍環境，因此已經有透過檢測蝙蝠的聲學訊號來監測蝙蝠的裝置。但是這種方法只有在活的蝙蝠存在時才會起作用，而且商業化的蝙蝠探測器可能很昂貴，這限制了公共機構對它們的使用。

在美國有超過40種蝙蝠，其中許多是瀕危或受威脅的種類。蝙蝠經常在橋下築巢，數量多達數百或數千只，因此交通部門在進行維修之前必須對它們進行調查。有一項新研究表明，使用人工智慧的照片和計算機視覺技術，能夠自動檢測橋樑上是否有蝙蝠，準確率超過90%。

橋樑調查對於保護受威脅和瀕危的蝙蝠物種非常重要。糞便、排洩物、汙漬是蝙蝠存在的常見跡象。但有些汙漬很難確定是由蝙蝠產生還是其他原因，如水滲漏、鏽跡斑斑、瀝青瀝濾或其他型別的結構惡化所產生的。然而，計算機可以用於檢測其中的差別。

為了構建人工智慧模型，研究團隊收集了一批有和沒有蝙蝠存在跡象的橋樑數字照片。利用這些影象，讓模型學習識別蝙蝠存在的特徵和特性。研究團隊還開發了一個網路應用原型，允許使用者互動上傳結構上的汙漬影象，並從模型中接收分類結果。

視覺檢測是交通部門用來評估蝙蝠是否存在的主要方法，但如果沒有經過全面的訓練，人類很難分辨出蝙蝠的指標。主要的指標如糞便，可能聚集在難以發現的地方，或者直接落入橋下水中。這項研究可以簡化這些調查，使其更容易和更快地檢測到蝙蝠的存在，並估計出預測的準確程度。

弗吉尼亞州交通局正在計劃一項試點研究，橋樑檢查員和環境工作人員將使用這個網路應用程式作為篩選工具。其目的是評估該工具是否易於使用，讓工作人員能夠更有信心地識別和記錄蝙蝠的存在。

前瞻經濟學人APP資訊組

參考資料：

https：//techxplore。com/news/2021-09-artificial-intelligence-highway-departments-roosting。html