计算机视觉用于野生动物监测：使用YOLO检测棕吼猴
本研究探索使用YOLOv10计算机视觉框架自动检测相机陷阱视频中的棕吼猴（Alouatta guariba），以监测树冠桥的使用情况，减少保护主义者人工审查假阳性图像的时间，从而提升保护工作效率。
随着城市扩张不断侵占自然栖息地，全球生物多样性面临严重威胁，尤其对于依赖森林环境的树栖物种而言，栖息地破碎化已成为关键生存挑战。棕吼猴（Alouatta guariba）作为南美洲典型的树栖灵长类动物，在森林斑块间的移动往往面临更高的死亡率，这给其保护工作带来了巨大压力。为了缓解这一问题，生态保护学家提出在道路或开阔区域上方安装树冠桥，为动物提供安全的通行路径。然而，这些桥梁的实际使用效果需要通过持续监测来验证。传统监测手段主要依赖相机陷阱，但这一方法会产生大量不相关的图像，其中绝大多数为假阳性——即图像中并未包含目标物种。保护主义者需要花费大量时间逐一审查这些图像，这大大降低了监测效率。
为了解决这一瓶颈，来自巴西的研究团队尝试将计算机视觉技术引入野生动物监测流程。他们在最新发表的研究中，采用YOLOv10目标检测框架，开发了一种能够自动识别相机陷阱视频中棕吼猴的算法。研究过程中，团队面临了一个常见挑战：训练准确的目标检测模型通常需要大量已标注的目标动物图像。为此，他们创新性地测试了引入辅助数据（包括其他场景下的猴类图像）来补充训练集，并探索了不同比例辅助数据对模型性能的影响。通过微调YOLOv10的超参数和网络结构，他们成功构建了适用于棕吼猴检测的高效模型。
实验结果表明，融合辅助数据可显著提升检测精度，尤其在训练样本有限的情况下。这一自动化检测技术不仅能够大幅减少人工筛选假阳性图像的时间，还能实现对树冠桥使用频率、时段等关键指标的连续跟踪。研究人员强调，该技术并非要完全取代人力，而是作为辅助工具，让保护主义者能够将精力集中在更复杂的数据分析和保护决策上。此项研究已被2026年国际计算机动画、社会智能体与扩展现实会议（CASAXR 26）收录，标志着计算机视觉在野生动物保护领域的应用迈出了重要一步。未来，团队计划进一步优化模型，使其适应更多树栖物种的监测需求，为全球生物多样性保护提供技术支持。