通過前端監控視頻對鳥類持續動態監測，基于AI視覺識別鳥類結果系統提供烏類分布、種群數量、遷徙情況、環境氣候的時空動態分析和鳥類資源數據管理，可掌握鳥類種群變化及遷徙動態，為研究鳥類生活習性、候鳥遷徙路線提供科學依據，為濕地生態保護和成效評估提供數據支撐，逐步建立烏類保護監測體系。
高性能（算法支持以每秒識別30張照片 (約30毫秒/張)的超高頻率，實現對視頻畫面中的運動 (飛行)烏類進行多目標實時捕捉和高速AI識別）
AI算法（運用AI視覺識別和AI邊緣計算服務器的高性能算力，將圖像進行每楨畫面分割和檢測識別，基于自主研發的多層卷積神經網絡和深度學習模型算法，利用GPU+CPU高效雙核運算，通過提取鳥類體貌特征和算法訓練，實現對烏類的AI識別分析）
高擴展（基于自主研發的深度學習AI算法模型，結合先進B/S系統接確率 90術架構，邊緣AI高性能處理機彈性擴展和靈活升級，支持AI算法邊緣端分布式部署）
特定物種識別（珍稀或瀕?；蛱囟ㄎ锓NA識別圖片展示，代表性特定物種AI識別動態視頻展示，生態小環境監測數據展示，鳥類時空數據展示）
智能識別追蹤（對鳥類進行視頻跟蹤分析和AI識別，提供鳥類智能識別追蹤結果和跟蹤視頻實時畫面，實時提取視頻畫面的跟蹤識別鳥類種群和數量統計）
數據分析統計（提供鳥類監測設備基于時間和空間的數據分類統計，包括分布熱力圖、物種趨勢統計、種群數量統計、時段監測統計、種類占比統計等）
專家技術指導（與長期從事動物多樣性保護方面教學和科研工作的西南大學生命科學學院、教授專家團隊通力合作，省級動物學會助力加持，全程提供專業物種分類技術指導）
處理機配置（每臺邊緣AI高性能處理機支持處理30路視頻分析或50路視頻解碼，可根據前端視頻接入數進行訂制）
AI訓練周期（系統持續改進以提高AI識別率，需要持續收集圖像素材進行AI訓練，升級周期約3個月/輪）
算法優化要求（需要持續收集現場圖像開展標注、專家鑒定、算法優化、算法重署等周期性工作，不斷提升AI識別率，每類標識物需提供不少于2000張標識圖像）
網絡要求（1)互聯網專線要求: AI高性能處理機將視頻轉碼推送至云端，需要配置互聯網專線 (帶固定IP) ，L (帶寬) =并發路數(遠程PC端同時調看視頻的最大數量)*4M (每路視頻考慮4M)進行計算。2) 局域網組網要求:千兆以太網。網線使用6類UTP，內網交換機和路由器各個接口至少為千兆口。）
前端監控設備要求（
為保證識別率和識別準確率，對前端視頻監控設備圖像有具體要求:
1) 抓拍的圖像質量>720P;
2)前端設備的像素>400萬;
3) 前端攝像機監測有效范圍計算: 建議按照可見光鏡頭焦距進行計算，有效距離L=f (可見光焦距)*700。
）
