自動辨識系統之規劃與評估

[ghost]

機器學習的研究在自然史研究領域的應用近年來十分熱門，許多軟硬體修正、演進使測試、應用的成本愈來愈低，技術門檻亦是。成功的應用對於專業人力日漸凋零的領域現況將會有很高的成本效益，也是我們希望未來的影像管理系統能夠幫忙分擔人力的功能。然而，雖然從現有文獻發表及或iNaturalist等組織可以看到目前機器自動影像辨識的進展，距離這類開發成果能否真正用在本地的正式系統中，仍有許多待釐清的細節。針對資料流程（如圖1）中第三項物種鑑定單元，本團隊計畫以專案中管理影像資料，利用諸如Google Vision API ，嘗試在物種鑑定步驟引進機器學習與自動辦識，並以人力鑑定結果提高機器學習的準確率。
由於自動影像辨識技術發展快速，為免過早投入過多開發成本，此部分工作主要以桌面調查研究方式進行，輔以機器學習公開API之測試。本團隊將在結案時提出照片自動化鑑定開發評估報告，設定對資料自動辨識的期望，及評估實務上建立正式服務所需的資源、技術、經費規模及預期效益，供管理單位未來進一步發展系統考慮。未來主管單位決定實作後，亦應測量其對於資料管理作業成本的影響，以決定是否大規模投資建設。

[g11145590]

• 設計自動辨識的初步流程規畫以及連結公民科學活動，以評估兩者對於資料管理作業成本的影響。
• 提出照片自動化鑑定開發評估報告。