01
野生动物视觉识别
- AI 部署位置 / 处理阶段
- 可在前端感知设备上初步识别，也可在平台侧集中识别
- 输入数据类型
- 红外相机照片、视频画面、无人机可见光影像、无人机热红外影像
- 识别 / 分析对象
- 陆生野生动物，如大熊猫、羚牛、黑熊、金猫等
- 输出结果
- 物种名称、识别置信度、出现时间、出现地点、影像证据
- 在山思系统中的作用
- 用于野生动物监测、物种活动记录、红外相机数据处理和生态分析
500万+
标注图片
150万+
视频数据
36
覆盖物种
95%+
识别准确率
92%+
召回率
Module Overview
模块概述
山思AI模块是山思数字孪生保护地管理系统的智能识别与分析能力。它既部署在前端感知设备上，对现场采集的影像、声音和环境数据进行提前识别、筛选和告警；也部署在平台端，对经通信模块回传的数据进行集中识别、人工复核、生态分析、风险研判和管理建议输出。通过前端边缘识别与平台集中分析结合，山思AI可支持野生动物识别、水生生物识别、人为干扰识别、声学识别、环境水文风险分析、生态指标分析和高风险区域研判，让保护地管理从“会记录”走向“会判断”。
Capability Matrix
AI 能力明细
AI 能力类别
02
水生生物视觉识别
- AI 部署位置 / 处理阶段
- 可在水下感知设备端初步识别，也可在平台侧集中识别
- 输入数据类型
- 水下摄像头影像、水下视频数据
- 识别 / 分析对象
- 鱼类、水生生物、水下活动状态
- 输出结果
- 物种或目标类别、出现频次、活动画面、时间记录
- 在山思系统中的作用
- 用于鱼类监测、水生生态监测、河流和湿地保护场景的数据分析
03
人为干扰视觉识别
- AI 部署位置 / 处理阶段
- 适合前端提前识别，也适合平台侧复核分析
- 输入数据类型
- 视频监控画面、固定摄像头画面、红外相机照片、无人机影像
- 识别 / 分析对象
- 人员、车辆、非法入区行为、可疑活动、重点区域异常变化
- 输出结果
- 人为干扰标签、风险线索、告警信息、证据截图或视频片段
- 在山思系统中的作用
- 用于非法入区识别、重点区域监管、风险预警和后续处置
04
热红外目标识别
- AI 部署位置 / 处理阶段
- 多用于前端或边缘端快速识别，平台侧可进一步复核
- 输入数据类型
- 热红外成像数据、无人机热红外影像、夜间或弱光环境影像
- 识别 / 分析对象
- 弱光环境下的人、动物、异常热源等
- 输出结果
- 热源位置、目标轮廓、时间点、风险线索
- 在山思系统中的作用
- 用于夜间巡查、复杂林下环境观察、异常线索复核和应急判断
05
声学识别
- AI 部署位置 / 处理阶段
- 可在声学采集设备端进行初步识别，也可在平台侧集中分析
- 输入数据类型
- 声纹设备采集的声音数据、生态声学数据
- 识别 / 分析对象
- 动物声音、生态声景变化，以及伐木声、枪声等异常人为声音
- 输出结果
- 声音类型、发生时间、监测点位、异常声音告警
- 在山思系统中的作用
- 用于动物声音监测、生态声学分析、人为干扰声音识别和风险预警
06
环境与水文风险分析
- AI 部署位置 / 处理阶段
- 主要在平台侧分析，部分阈值告警可在前端或边缘端完成
- 输入数据类型
- 雨量、水位、气象、土壤等环境数据
- 识别 / 分析对象
- 降雨变化、水位变化、极端天气条件、山洪或洪水风险条件
- 输出结果
- 趋势判断、阈值提醒、风险等级、异常提示
- 在山思系统中的作用
- 用于洪水风险、山洪风险、灾害隐患和应急调度的辅助判断
07
多源数据清洗与分类
- AI 部署位置 / 处理阶段
- 主要在平台侧完成
- 输入数据类型
- 影像、声音、水文、气象、巡护记录、设备状态、历史事件等数据
- 识别 / 分析对象
- 不同来源、格式和类型的原始数据
- 输出结果
- 结构化数据、分类标签、可检索记录
- 在山思系统中的作用
- 把感知模块采集的复杂数据整理成系统可使用的数据
08
事件线索提炼
- AI 部署位置 / 处理阶段
- 前端可产生初步告警，平台侧完成综合提炼
- 输入数据类型
- 感知告警、AI识别结果、巡护记录、历史事件、空间位置数据
- 识别 / 分析对象
- 可能需要关注或处置的事件线索
- 输出结果
- 重点目标、事件摘要、风险提示、处置建议
- 在山思系统中的作用
- 帮助管理者从海量数据中发现真正需要处理的问题
09
高频问题与风险区域分析
- AI 部署位置 / 处理阶段
- 主要在平台侧完成
- 输入数据类型
- 历史事件、巡护轨迹、告警记录、物种活动记录、社区信息
- 识别 / 分析对象
- 高频干扰区域、高风险点位、异常趋势
- 输出结果
- 热点区域、趋势图、风险分布、管理建议
- 在山思系统中的作用
- 支持巡护路线优化、重点区域布防、保护地管理决策
10
生态指标分析
- AI 部署位置 / 处理阶段
- 主要在平台侧完成
- 输入数据类型
- 物种识别结果、红外相机数据、水生监测数据、声学监测数据、空间分布数据
- 识别 / 分析对象
- 物种多样性、活动节律、相对多度、空间分布、占域情况
- 输出结果
- 多样性指数、活动节律图、RAI、占域分析、统计图表
- 在山思系统中的作用
- 用于生态监测、科研分析、保护成效评估和项目报告
11
人机协同校正
- AI 部署位置 / 处理阶段
- 平台侧审核工具和人工复核流程完成
- 输入数据类型
- AI 初步识别结果、低置信度数据、人工复核结果、专家修正数据
- 识别 / 分析对象
- 错误识别、模糊影像、争议物种、复杂行为、特殊场景
- 输出结果
- 修正标签、审核结果、模型优化数据、质量评估结果
- 在山思系统中的作用
- 提升 AI 识别准确性，让模型基于真实保护地场景持续优化
12
辅助研判与管理建议
- AI 部署位置 / 处理阶段
- 主要在平台侧完成
- 输入数据类型
- 前端识别结果、平台识别结果、历史事件、空间数据、巡护数据、环境水文数据、社区信息等
- 识别 / 分析对象
- 风险变化、管理压力、重点对象、处置优先级
- 输出结果
- 研判结果、趋势判断、管理建议
- 在山思系统中的作用
- 让山思从“识别数据”进一步走向“辅助判断”，支持保护地管理者做决策
Recognition Demo
识别演示
The Core Question
AI模块回答的是：山思看到、听到并采集到现场信息后，如何识别、理解和判断？
山容万物，思接千载
用科技守护自然