有酷愛觀鳥的科大教授構思統計雀鳥種類及數目的研發項目“Hoopoe”，由觀鳥興趣引發科研成果，可謂寓觀鳥於研究。
 

香港面積雖小，卻是多達550種候鳥的棲息地及中途站，其中沙田彭福公園就吸引不少大白鷺及小白鷺聚居，牠們在吐露港一帶水域附近覓食育雛。2018年6月，因應“搬遷沙田污水處理廠往岩洞計劃”，渠務署與香港科技大學團隊合作，運用人工智能系統在彭福公園進行全天候影像數據採集及分析，監測該處的鷺鳥生態環境。

這個人工智能系統取名為“Hoopoe”，來自以色列的國鳥“戴勝”，牠們每年遷徙季都會由北方飛到南方過冬，而香港就是其中一個中途站，但由於每年只有數隻過境香港，算是較罕見的鳥類。

洞察自然環境轉變

負責“Hoopoe”項目的香港科技大學土木及環境工程學系教授及副系主任王幼行指出，觀鳥不僅是一種興趣，更蘊含重要意義。“統計鳥類品種及數量，讓我們提早預視到大自然環境的轉變，例如搬遷污水處理廠這類大型工程，有機會影響周遭自然環境，從而影響植物、動物及鳥類的品種和數量，其中鳥類對棲息地的變化特別敏感，進行定期鳥類統計，可讓我們及早察覺自然環境的改變，並建議工程的管理者採取適當行動，減低工程所帶來的影響。”

談到項目的研發過程，王幼行表示，由於市面上沒有這類適合在惡劣天氣環境如十號風球下運作的全景鏡頭，加上裝置須全天候“24x7”運作，影像處理量非常龐大，故團隊需要自行研發及不斷優化硬件，先後製作並安裝了四部全景鏡頭裝置，以人工智能攝像機分析影像，實時識別個體或群體鷺鳥品種、位置、移動模式和飛行時間，從而計算鷺鳥數量及習性。

人工智能辨認準角度高

根據所拍攝的照片辨識雀鳥種類，看似容易，但實際照片中的鳥，因角度及距離不同，部分影像肉眼難以辨認，如何令人工智能懂得有效分辨，就是系統軟件部分的主要挑戰。“人工智能需要不斷學習，才能提升準確度，除了約1,000張現場拍攝的鷺鳥照片外，團隊成員亦運用三維模型技術，結合現場環境實景照片，製作約9,000張不同形態的大、小白鷺合成照供系統學習。”王幼行表示，經過不斷改良，現時系統的辨認準確度可達85至90%，屬相當高的水平。

推而廣之應用範圍廣

以“Hoopoe”系統進行觀鳥及統計，可大大減省人手統計雀鳥的工作量及克服時間限制，加上其全方位監察及人工智能辨認功能，準確度經不斷改良已相當高，形成重要的技術基礎，未來可與其他政府部門合作，為環境管理出一分力。王幼行透露，除了渠務署項目外，團隊正與漁護署商討合作，由於漁護署於本港不同地方亦設有鏡頭，但整理這些影像資料十分複雜及費時，“Hoopoe”的智能影像分析技術相信可發揮所長。

此外，人工智能分辨及檢測技術，除了應用於生物監測外，在建築或工程範疇亦有發展空間。王幼行及團隊已將人工智能影像辨識技術應用於土木工程項目，例如在進行建築物結構安全性檢測時，以人工智能鏡頭偵測建築物的結構安全。“在智慧城市的藍圖中，人工智能於信息收集及辨識方面扮演重要角色，相信‘Hoopoe’系統未來大有作為。”