AI Algorithm Achieves 92% Accuracy in Detecting Wildlife Smuggling

•該演算法透過使用 3D 卷積神經網路和 3D 威脅影像投射 (Threat Image Projection, TIP) 技術進行訓練，其中包含模擬走私者將物品包裹在錫紙或衣物中，或藏在兒童玩具裡的掃描影像，以提高其在現實情境中的識別能力。
•除了整體 92% 的準確率外，該系統在識別魚翅方面的準確率為 95%，海馬為 96%，海參為 86%，同時具有較低的誤報率（魚翅 2%，海馬 9%，海參 1%）。
•這項研究是麥格理大學先前工作的延伸，該大學在 2022 年已開發出用於檢測陸生野生動物（蜥蜴、鳥類和魚類）的演算法，其檢測率為 82%，誤報率為 1.6%，同樣利用 3D X 光 CT 技術。
•該技術利用機場現有的 3D X 光 CT 掃描儀（例如 Rapiscan RTT110），這些設備通常用於爆炸物檢測，因此能以具成本效益的方式整合到現有的機場安檢流程中。
•海洋野生動物走私是全球非法野生動物貿易中一個較少被記錄但卻非常重要的組成部分，每年價值數十億美元，對瀕危物種的生存和生態系統的健康構成嚴重威脅。

📊 競品分析▸ Show

特徵/項目	麥格理大學 AI 演算法 (海洋野生動物)	Project SEEKER (希思羅機場、微軟、史密斯探測)
主要目標	透過 3D X 光 CT 掃描檢測行李和貨物中的走私海洋野生動物（魚翅、海馬、海參）。	透過 X 光掃描檢測行李和貨物中的非法野生動物（包括象牙等多物種）。
檢測準確率	整體 92% (魚翅 95%, 海馬 96%, 海參 86%)。	超過 70% 的成功檢測率。
技術基礎	3D 卷積神經網路 (CNN) 和 3D 威脅影像投射 (TIP) 進行訓練。	Microsoft AI for Good 模型，利用 Smiths Detection CTX 9800 行李掃描儀的 X 光影像進行訓練。
部署環境	設計為機場安檢的輔助工具，利用現有 3D X 光 CT 掃描儀。	可安裝在機場、港口和邊境的行李及貨物掃描儀中。
訓練數據	298 個來自 68 個乾燥魚翅、海馬和海參樣本的掃描影像，並透過模擬走私情境擴展數據集。	利用希思羅機場 Smiths Detection CTX 9800 行李掃描儀產生的大量 X 光影像庫進行訓練。
誤報率	魚翅 2%，海馬 9%，海參 1%。	未明確提供具體數字，但旨在減少操作員負擔。

模型架構： 該演算法利用 3D 卷積神經網路 (3D CNN) 進行影像分析和物件檢測。
訓練數據集： 初始訓練數據集包含 298 個掃描影像，這些影像來自 68 個乾燥樣本，包括 18 個魚翅、30 個海馬和 20 個海參。
數據增強技術： 為了擴展訓練數據集並提高模型在現實世界中的魯棒性，研究人員使用了 3D 威脅影像投射 (Threat Image Projection, TIP) 技術。這包括為每個樣本創建五種不同位置和情境的掃描，並模擬走私者常用的隱藏方式，例如將樣本包裹在錫紙或衣物中，或藏在兒童玩具裡。這些模擬影像隨後被添加到不含違禁品的行李 CT 影像中。
掃描設備： 研究中使用的 3D X 光 CT 掃描儀是 Rapiscan RTT110。
早期演算法： 麥格理大學在 2022 年開發的陸生野生動物（蜥蜴、鳥類和魚類）檢測演算法，使用了 294 個來自 13 種物種的掃描影像，其中動物走私檢測演算法 AT.2 是基於隨機森林 (Random Forest) 演算法實現的。

該 AI 系統將顯著提升機場安檢效率，使人工檢查人員能更精準地聚焦於可疑行李。

透過自動化初步檢測，該系統能減輕人工操作員的負擔，並提高截獲走私品的機率，這對於目前因貨物量龐大而難以有效執行的安檢工作至關重要。

此技術有望擴展至檢測更多種類的走私物種，甚至其他非法物品，並能有效利用現有的機場基礎設施。

該系統採用標準的 3D X 光 CT 掃描儀，其方法學具有高度適應性，可透過訓練識別新的目標物種或物品，正如其先前在陸生野生動物檢測方面的成功經驗所示。

隨著航空邊境檢測能力的提升，走私者可能會轉向其他運輸途徑或更隱蔽的走私手法，這要求反走私策略必須持續演進以應對。

當航空運輸因先進檢測技術而變得風險更高時，犯罪分子可能會將活動轉移到其他運輸模式或陸路邊境，這突顯了打擊野生動物犯罪需要採取全面性的應對措施。

2018

麥格理大學進行全球非法野生動物貿易新興問題的趨勢掃描，將技術列為關鍵主題。

2019

麥格理大學應用人工智慧研究中心成立。

2022-09

麥格理大學發表研究，利用 3D X 光 CT 影像和自動化演算法檢測陸生野生動物走私，檢測率達 82%。

2023-07

麥格理大學開始為期七個月的實地試驗，使用機器學習工具（包括 RTT®110 3D X 光斷層掃描機）打擊非法野生動物貿易，期間截獲 116 隻動物。

2026-04

關於利用 AI 演算法自動檢測魚翅、海馬和海參等海洋野生動物走私的研究論文被接受發表。

2026-06

麥格理大學研究人員宣布其 AI 技術在檢測海洋野生動物走私方面達到 92% 的識別準確率。

AI 演算法在打擊野生動物走私中達到 92% 識別準確率