深度学习系统可以分析图像以比人类更快地保护深海珊瑚礁

在海面以下数百米处，阳光让位于黑暗中，珊瑚礁是大量底栖物种的栖息地。这些深海珊瑚礁是矮龙虾、海蜘蛛、螃蟹、海蛇尾和软珊瑚等许多动物的家园。

珊瑚礁坚硬但脆弱;很容易被工业捕鱼船沿海床拖曳的渔网损坏。一旦受到伤害，这些脆弱的海洋生态系统就很难恢复。为了帮助保护深海珊瑚礁，测绘和监测是科学家、环保主义者和可持续渔业的高度优先事项。

观察海底是一项代价高昂且困难重重的挑战。一种解决方案是基于图像的调查。这涉及在船只后面拖曳一组摄像机，以拍摄高质量的海床图像。这部分很简单。

但是随后，科学家们必须逐帧查看每张图像，以确定海底的特征。他们希望将已建成的珊瑚与珊瑚碎片、其他生物体的瓦砾、沙子、砾石和岩石等事物区分开来。

用深度学习助力深海监测

这个耗时耗力的过程造成了瓶颈。它限制了可用于决定哪些策略正在保护深海珊瑚礁的可用数据量。

这就是人工智能(AI)的用武之地。我们的研究人员开发了一种深度学习系统，可以分析图像以识别和测量深海珊瑚礁，而所用时间仅为人类所用时间的一小部分。

该系统由人工神经元的多层网络组成。它旨在通过学习如何识别数据中的复杂模式来模仿人脑。

“深度学习系统非常快速和准确，”该研究的作者之一、CSIRO的研究科学家ChrisJackett说。

“最终经过训练的模型在不到20分钟的时间内对2,300多张图像进行了分类——这项任务需要一个人三个月以上的时间，”他说。

它学会了区分海底的六种特征——已形成的珊瑚、珊瑚碎石、来自其他生物体的碎石、沙子或泥土、鹅卵石或砾石以及岩石——准确率为98.19%。在某些情况下，它的表现比人更稳定。

我发现：深拖摄影机正在等待登上RVInvestigator。图片来源：CSIRO

该模型是在2018年塔斯马尼亚南部海岸航行期间使用我们的RVInvestigator收集的图像进行训练的。

我们的深拖摄像头系统会在地表以下600至1,800米的深度记录连续视频并每五秒拍照一次。

研究人员手动审查了近6,000张照片，然后将其用于训练深度学习系统。初始数据集由140,000个庞大的数据点或“片段”组成。

事实证明，数据太“嘈杂”了。太多的片段包含不同特征的混杂，太暗或太亮，或者被海星或海胆等当地动物群破坏。

我们的研究人员着手清理数据，将其减少到大约70,000个片段，这些片段足够干净，可供模型学习。他们尝试了不同的模型训练方式和不同的网络结构，直到他们找到了一种达到98.18%准确率的组合。

当最终的深度学习模型在它从未见过的未清理数据上进行测试时，它的表现至少与人类一样好。它始终准确，即使对于具有很多特征的复杂图像也是如此，这对人类来说可能很难分类。

人工智能帮助我们的研究人员保护珊瑚礁

虽然人工智能可以大大加快这一过程，但这项研究仍然需要人性化。

克里斯说：“我们认为让一个人参与其中将是在新图像上使用这种深度学习模型的最有效方式。”“当模型不确定如何对某些东西进行分类时，一个人可以介入帮助模型学习。”

人工智能正在拯救深海珊瑚礁和其他脆弱的生态系统。将来，它可以用于深海渔业——比如新西兰的深水集团——以尽量减少对环境的影响。

它为解决我们世界海洋面临的重大保护挑战提供了巨大的潜力。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！