Spoor成立于2021年,目标是使用计算机视觉技术帮助减少风力涡轮机对当地鸟类种群的影响。如今,这家初创公司已经证明了其技术的有效性,并看到来自风电场及其他领域的强劲需求。
这家位于挪威奥斯陆的公司开发了使用计算机视觉技术追踪和识别鸟类种群及迁徙模式的软件。该软件能够在2.5公里半径范围内(约1.5英里)检测到鸟类,并可与任何市售高分辨率摄像头配合使用。
风电场运营商可以利用这些信息更好地规划风电场的选址,并帮助他们更好地应对迁徙模式。例如,风电场可以在当地鸟类大规模迁徙期间减慢涡轮机转速,甚至完全停止运行。
Spoor联合创始人兼首席执行官Ask Helseth去年告诉TechCrunch,他对这个领域产生兴趣是因为了解到风电场缺乏有效的追踪方法,尽管许多国家对风电场的建设位置和运营方式都有严格规定,这些规定基于当地鸟类种群的保护需求。
"监管机构的期望在不断提高,但行业缺乏有效工具,"Helseth当时表示。"很多人拿着望远镜和训练有素的狗到现场,试图找出有多少鸟类与涡轮机相撞。"
Helseth上周告诉TechCrunch,从那时起,公司已经证明了这项技术的必要性,并致力于改进技术。
在2024年种子轮融资时,Spoor能够在1公里范围内追踪鸟类,如今这一范围已经扩大了一倍。随着公司收集更多数据来训练其AI模型,已能够将鸟类识别准确率提升到约96%。
"对于一些客户来说,识别鸟类物种增加了另一个层面,"Helseth说。"这是鸟类还是非鸟类?我们有内部鸟类学家帮助训练模型,以识别新类型的鸟类或新物种。在其他国家的部署意味着数据库中需要包含稀有物种。"
Spoor目前在三大洲开展业务,与全球20多家最大的能源公司合作。公司还开始看到来自机场和水产养殖场等其他行业的兴趣。Spoor与总部位于伦敦的矿业巨头力拓集团建立合作关系,用于追踪蝙蝠。
公司还收到了使用其技术追踪其他类似大小物体的需求,但Helseth表示他们暂时不考虑转向这些领域。
"在我们看来,无人机当然是塑料鸟,"Helseth开玩笑说。"它们的移动方式不同,形状和大小也不同。目前我们忽略了这些数据,但确实有人对此感兴趣。"
Spoor最近完成了由SET Ventures领投的800万欧元(930万美元)A轮融资,参投方包括?rstead Ventures和Superorganism,以及战略投资者。
Helseth预测,随着监管机构继续对风电场加强管控,对这类技术的兴趣只会不断增长。例如,法国监管机构因风电场对当地鸟类种群的影响,于4月关闭了一座风电场,并处以数亿罚金。
"我们的使命是让工业与自然和谐共存,"Helseth说。"我们已经开始了这一征程,但我们仍是一家需要证明自身的小型初创公司。在未来几年,我们希望真正巩固在风电行业的地位,成为应对这些挑战的全球领导者。同时,我们想建立一些证明点,表明这项技术在主要类别之外也具有价值。"
Q&A
Q1:Spoor的鸟类监测AI软件是如何工作的?
A:Spoor使用计算机视觉技术追踪和识别鸟类种群及迁徙模式,能够在2.5公里半径范围内检测到鸟类,并可与任何市售高分辨率摄像头配合使用,鸟类识别准确率达到约96%。
Q2:风电场如何利用Spoor的技术保护鸟类?
A:风电场运营商可以利用Spoor提供的信息更好地规划选址并应对鸟类迁徙模式。例如,在当地鸟类大规模迁徙期间,风电场可以减慢涡轮机转速甚至完全停止运行,以减少对鸟类的影响。
Q3:Spoor除了服务风电行业还有哪些应用?
A:Spoor目前在三大洲开展业务,与全球20多家最大能源公司合作,同时还收到来自机场和水产养殖场等其他行业的兴趣。公司还与矿业巨头力拓集团合作追踪蝙蝠。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。