蝙蝠会发出声学脉冲，并利用回声来了解它们的周围环境，因此已经有通过检测蝙蝠的声学信号来监测蝙蝠的设备。但是这种方法只有在活的蝙蝠存在时才会起作用，而且商业化的蝙蝠探测器可能很昂贵，这限制了公共机构对它们的使用。

　　在美国有超过40种蝙蝠，其中许多是濒危或受威胁的种类。蝙蝠经常在桥下筑巢，数量多达数百或数千只，因此交通部门在进行维修之前必须对它们进行调查。有一项新研究表明，使用人工智能的照片和计算机视觉技术，能够自动检测桥梁上是否有蝙蝠，准确率超过90%。

　　桥梁调查对于保护受威胁和濒危的蝙蝠物种非常重要。粪便、排泄物、污渍是蝙蝠存在的常见迹象。但有些污渍很难确定是由蝙蝠产生还是其他原因，如水渗漏、锈迹斑斑、沥青沥滤或其他类型的结构恶化所产生的。然而，计算机可以用于检测其中的差别。

　　为了构建人工智能模型，研究团队收集了一批有和没有蝙蝠存在迹象的桥梁数字照片。利用这些图像，让模型学习识别蝙蝠存在的特征和特性。研究团队还开发了一个网络应用原型，允许用户互动上传结构上的污渍图像，并从模型中接收分类结果。

　　视觉检测是交通部门用来评估蝙蝠是否存在的主要方法，但如果没有经过全面的训练，人类很难分辨出蝙蝠的指标。主要的指标如粪便，可能聚集在难以发现的地方，或者直接落入桥下水中。这项研究可以简化这些调查，使其更容易和更快地检测到蝙蝠的存在，并估计出预测的准确程度。

　　弗吉尼亚州交通局正在计划一项试点研究，桥梁检查员和环境工作人员将使用这个网络应用程序作为筛选工具。其目的是评估该工具是否易于使用，让工作人员能够更有信心地识别和记录蝙蝠的存在。