有酷爱观鸟的科大教授构思统计雀鸟种类及数目的研发项目“Hoopoe”，由观鸟兴趣引发科研成果，可谓寓观鸟於研究。
 

香港面积虽小，却是多达550种候鸟的栖息地及中途站，其中沙田彭福公园就吸引不少大白鷺及小白鷺聚居，牠们在吐露港一带水域附近觅食育雏。2018年6月，因应“搬迁沙田污水处理厂往岩洞计划”，渠务署与香港科技大学团队合作，运用人工智能系统在彭福公园进行全天候影像数据採集及分析，监测该处的鷺鸟生态环境。

这个人工智能系统取名為“Hoopoe”，来自以色列的国鸟“戴胜”，牠们每年迁徙季都会由北方飞到南方过冬，而香港就是其中一个中途站，但由於每年只有数隻过境香港，算是较罕见的鸟类。

洞察自然环境转变

负责“Hoopoe”项目的香港科技大学土木及环境工程学系教授及副系主任王幼行指出，观鸟不仅是一种兴趣，更蕴含重要意义。“统计鸟类品种及数量，让我们提早预视到大自然环境的转变，例如搬迁污水处理厂这类大型工程，有机会影响周遭自然环境，从而影响植物、动物及鸟类的品种和数量，其中鸟类对栖息地的变化特别敏感，进行定期鸟类统计，可让我们及早察觉自然环境的改变，并建议工程的管理者採取适当行动，减低工程所带来的影响。”

谈到项目的研发过程，王幼行表示，由於市面上没有这类适合在恶劣天气环境如十号风球下运作的全景镜头，加上装置须全天候“24x7”运作，影像处理量非常庞大，故团队需要自行研发及不断优化硬件，先后製作并安装了四部全景镜头装置，以人工智能摄像机分析影像，实时识别个体或群体鷺鸟品种、位置、移动模式和飞行时间，从而计算鷺鸟数量及习性。

人工智能辨认準角度高

根据所拍摄的照片辨识雀鸟种类，看似容易，但实际照片中的鸟，因角度及距离不同，部分影像肉眼难以辨认，如何令人工智能懂得有效分辨，就是系统软件部分的主要挑战。“人工智能需要不断学习，才能提升準确度，除了约1,000张现场拍摄的鷺鸟照片外，团队成员亦运用叁维模型技术，结合现场环境实景照片，製作约9,000张不同形态的大、小白鷺合成照供系统学习。”王幼行表示，经过不断改良，现时系统的辨认準确度可达85至90%，属相当高的水平。

推而广之应用范围广

以“Hoopoe”系统进行观鸟及统计，可大大减省人手统计雀鸟的工作量及克服时间限制，加上其全方位监察及人工智能辨认功能，準确度经不断改良已相当高，形成重要的技术基础，未来可与其他政府部门合作，為环境管理出一分力。王幼行透露，除了渠务署项目外，团队正与渔护署商讨合作，由於渔护署於本港不同地方亦设有镜头，但整理这些影像资料十分复杂及费时，“Hoopoe”的智能影像分析技术相信可发挥所长。

此外，人工智能分辨及检测技术，除了应用於生物监测外，在建筑或工程范畴亦有发展空间。王幼行及团队已将人工智能影像辨识技术应用於土木工程项目，例如在进行建筑物结构安全性检测时，以人工智能镜头侦测建筑物的结构安全。“在智慧城市的蓝图中，人工智能於信息收集及辨识方面扮演重要角色，相信‘Hoopoe’系统未来大有作為。”