可觀全天影像生物普查報告〈三〉

        承接上一次報告，今次追加了2021年二月至六月的資料，影像量增加了186,976幀，攝得雀鳥的影像共884幀。 與之前相同，圖表中綠色部分為有紀錄時段，白色為無紀錄時段；黑色部份為有雀鳥紀錄的時段，洋紅色為破損影像。

        是次影像辨識以機械學習進行，將影像分類為'sky', 'birds'以及'broken'三大類。首先以TensorFlow建立卷積神經網絡(Convolutional Neural Network, CNN)，再於之前已分類的影像中隨機抽取7,165幀影像建立training set。神經網絡會抽取其中5,732幀影像為標準答案學習辨識規則，再利用餘下的1,433幀影像核對結果以修正神經網絡模型參數，整個步驟重覆6次。模型訓練結果如下：

        由於是次辨識任務屬於比較簡單，因此訓練於第三次循環準確率已快速到達99.5%。利用已訓練完成的神經網絡辨識由今年二月中至六月的全新186,976幀影像，有雀鳥的影像全數成功辨識，而破損影像的正確辨識率為99.4%，即2,890幀破損影像中有16幀誤判為'sky'。日後要提升辨識正確率可透過調整卷積神經網絡模型中的結構組合與及超參數(hyperparameters)等；另外，由於三個分類非為互斥，辨識結果亦會受影響。

        2017至2021年期間雀鳥出現時段按月分析如下，黑色點線為按年平均，青色虛線為所有數據總平均:

        從數據顯示，雀鳥隨年增長似乎有愈來愈早起的傾向，集中出現時段由2019年主要於0800-0859，至2020年變為0700-0759，再到2021年已變成0600-0659；但因現時各年數據中月分重叠的部份不多，當中的變遷有機會只是由季節變化所帶來的影響。例如2019年及2021年的三月及五月，三月份於兩年數據中早上的高峰依然維持在0800-0859時段，而0600-0659時段亦是2019年五月份早上的第二高峰，與2021年數據仍相當一致；因此另一個可能是雀鳥傾向於前半年較早、而後半年傾向較遲飛到鏡頭上。再加上黃昏數據的按月變化趨勢，可能暗示是受到日照時間長短所影響。

        2017至2021年期間雀鳥出現頻率按月分析如下，影線為沒有數據:

        同樣由於數據中月分重叠的部份不多，暫未能參透當中模式。但另一樣較令人擔心的是破損影像的出現頻率較去年顯著上升，如下圖，代表相關機件衰敗跡象已愈發明顯。

天文科導師
霍啟東