Um die biologische Vielfalt der Meere bestmöglich zu erhalten und zu verwalten, benötigen Wissenschaftler genaue Informationen darüber, was auf dem Meeresboden lebt. Eine Möglichkeit, solche Daten zu sammeln, sind autonome Unterwasserfahrzeuge AUV, die mit Kameras montiert sind.
VERBINDUNG: DRONEN FÜR SUCHE UND RETTUNG, LIEFERDIENST STARTEN
Daten verarbeiten
Die Probleme liegen jedoch bei der Verarbeitung der gesammelten Daten. Jetzt neu Forschung unter der Leitung der University of Plymouth wird festgestellt, dass künstliche Intelligenz KI bei der Aufgabe helfen könnte.
Meereswissenschaftler und Robotik-Experten testeten die Wirksamkeit eines Computer Vision CV -Systems bei der Identifizierung von Meerestieren und stellten eine Genauigkeit von etwa 80% fest. Das System könnte sogar eine Genauigkeit von 93% aufweisen, wenn genügend Daten zum Trainieren des Algorithmus verwendet werden.
"Autonome Fahrzeuge sind ein wichtiges Instrument für die Vermessung großer Bereiche des Meeresbodens, die tiefer als 60 m sind die Tiefe, die die meisten Taucher erreichen können. Derzeit können wir jedoch nicht mehr als einen Bruchteil dieser Daten manuell analysieren. Diese Forschung zeigt, dass es sich um KI handeltEin vielversprechendes Werkzeug, aber unser KI-Klassifikator wäre immer noch jedes fünfte Mal falsch, wenn er zur Identifizierung von Tieren in unseren Bildern verwendet würde ", sagte Doktorand Nils Piechaud, Hauptautor der Studie.
"Dies macht es zu einem wichtigen Schritt vorwärts im Umgang mit den riesigen Datenmengen, die vom Meeresboden generiert werden, und zeigt, dass es die Analyse beschleunigen kann, wenn es zum Nachweis einiger Arten verwendet wird. Wir sind jedoch noch nicht in der Lage, dies in Betracht zu ziehenein geeigneter vollständiger Ersatz für den Menschen in diesem Stadium. "
Autosub6000
Die Studie ergab, dass eines der nationalen AUVs Großbritanniens, das Autosub6000, mehr als 150.000 Bilder in einem einzigen Tauchgang aus etwa 1200 m Tiefe unter der Meeresoberfläche an der Nordostseite der Rockall Bank im Nordostatlantik sammelte. Forscher dannanalysierte 1.200 dieser Bilder manuell mit 40.000 Individuen von 110 verschiedenen Tierarten.
Anschließend verwendeten sie Googles Tensorflow, eine Open-Access-Bibliothek, um ein vorab trainiertes Convolutional Neural Network CNN zu unterrichten, um die in den AUV-Bildern gefundenen Arten zu identifizieren. Sie stellten fest, dass die Methode eine Genauigkeit von 80% aufweist, während Menschen innerhalb von arbeitenein Bereich von 50 bis 95%.
"Der größte Teil unseres Planeten ist Tiefsee, ein riesiges Gebiet, in dem wir ebenso große Wissenslücken haben. Angesichts des zunehmenden Drucks auf die Meeresumwelt einschließlich des Klimawandels ist es unerlässlich, dass wir unsere Ozeane und die darin enthaltenen Lebensräume und Arten verstehenIm Zeitalter von Roboter- und autonomen Fahrzeugen, Big Data und globaler offener Forschung ist die Entwicklung von KI-Tools mit dem Potenzial, unseren Wissenserwerb zu beschleunigen, ein aufregender und dringend benötigter Fortschritt ", sagte Dr. Kerry Howell.Assoziierter Professor für Meeresökologie und Principal Investigator für das Deep Links-Projekt.
Das neue Studie wird veröffentlicht in Marine Ecology Progress Series