通过前端监控视频对鸟类持续动态监测，基于AI视觉识别鸟类结果系统提供乌类分布、种群数量、迁徙情况、环境气候的时空动态分析和鸟类资源数据管理，可掌握鸟类种群变化及迁徙动态，为研究鸟类生活习性、候鸟迁徙路线提供科学依据，为湿地生态保护和成效评估提供数据支撑，逐步建立乌类保护监测体系。
高性能（算法支持以每秒识别30张照片 (约30毫秒/张)的超高频率，实现对视频画面中的运动 (飞行)乌类进行多目标实时捕捉和高速AI识别）
AI算法（运用AI视觉识别和AI边缘计算服务器的高性能算力，将图像进行每桢画面分割和检测识别，基于自主研发的多层卷积神经网络和深度学习模型算法，利用GPU+CPU高效双核运算，通过提取鸟类体貌特征和算法训练，实现对乌类的AI识别分析）
高扩展（基于自主研发的深度学习AI算法模型，结合先进B/S系统接确率 90术架构，边缘AI高性能处理机弹性扩展和灵活升级，支持AI算法边缘端分布式部署）
特定物种识别（珍稀或濒危或特定物种A识别图片展示，代表性特定物种AI识别动态视频展示，生态小环境监测数据展示，鸟类时空数据展示）
智能识别追踪（对鸟类进行视频跟踪分析和AI识别，提供鸟类智能识别追踪结果和跟踪视频实时画面，实时提取视频画面的跟踪识别鸟类种群和数量统计）
数据分析统计（提供鸟类监测设备基于时间和空间的数据分类统计，包括分布热力图、物种趋势统计、种群数量统计、时段监测统计、种类占比统计等）
专家技术指导（与长期从事动物多样性保护方面教学和科研工作的西南大学生命科学学院、教授专家团队通力合作，省级动物学会助力加持，全程提供专业物种分类技术指导）
处理机配置（每台边缘AI高性能处理机支持处理30路视频分析或50路视频解码，可根据前端视频接入数进行订制）
AI训练周期（系统持续改进以提高AI识别率，需要持续收集图像素材进行AI训练，升级周期约3个月/轮）
算法优化要求（需要持续收集现场图像开展标注、专家鉴定、算法优化、算法重署等周期性工作，不断提升AI识别率，每类标识物需提供不少于2000张标识图像）
网络要求（1)互联网专线要求: AI高性能处理机将视频转码推送至云端，需要配置互联网专线 (带固定IP) ，L (带宽) =并发路数(远程PC端同时调看视频的最大数量)*4M (每路视频考虑4M)进行计算。2) 局域网组网要求:千兆以太网。网线使用6类UTP，内网交换机和路由器各个接口至少为千兆口。）
前端监控设备要求（
为保证识别率和识别准确率，对前端视频监控设备图像有具体要求:
1) 抓拍的图像质量>720P;
2)前端设备的像素>400万;
3) 前端摄像机监测有效范围计算: 建议按照可见光镜头焦距进行计算，有效距离L=f (可见光焦距)*700。
）
