AI 助力巴西淡水壳菜监测：高效精准定量，遏制入侵新希望

《Aquatic Sciences 2.0》：Artificial intelligence as an ally to assess and manage the golden mussel (Limnoperna fortunei (Dunker, 1857)) bioinvasion

为解决巴西淡水壳菜（Limnoperna fortunei）监测难题，研究人员融合传统与 AI（CNN）技术，发现 AI 监测准确率 85 - 98%，意义重大。

　　巴西淡水壳菜（Limnoperna fortunei）入侵巴西流域 30 年后，仍影响能源生产和水产养殖，控制措施无效且监测受限。为此，研究将传统监测工具与基于卷积神经网络（CNN）开发的人工智能（AI）程序相结合，旨在巴西巴拉那河和圣弗朗西斯科河两个流域识别并量化淡水壳菜数量，在圣弗朗西斯科河还利用采集板进行了 7 个月的时间评估。神经网络可辅助复杂环境下物种识别，便于种群监测和生物多样性评估。研究中，AI 程序与人工测量相比，准确率达 85 - 98%，自主评估成功率高。无论个体大小，检测淡水壳菜的最佳特征是壳口。该研究为巴西淡水壳菜侵扰提供了有价值的定量和方法学基线，凸显了 AI 程序监测这一入侵物种的高效性和成本效益。该技术易复制和扩展，有望助力全球科研人员和环保机构对抗入侵物种扩散。