Systém umelej inteligencie vyvinutý na EPFL, verejnej výskumnej univerzite v Lausanne vo Švajčiarsku, údajne dokáže vytvoriť podrobné 3D mapy koralových útesov aj z pochybne osvetlených videozáznamov amatérskych potápačov – v priebehu niekoľkých minút.
Údaje potrebné pre systém DeepReefMap môže zbierať ktokoľvek vybavený štandardným potápačským vybavením a komerčne dostupnou kamerou.
Jediné, čo musia urobiť, je preplávať pomaly nad útesom niekoľko stoviek metrov a nasnímať video zábery z výhľadu pod nimi.
Jedinými limitmi sú výdrž batérie fotoaparátu a množstvo vzduchu v nádrži potápača, hovorí EPFL a tvrdí, že vývoj predstavuje „veľký skok vpred v hlbokomorských prieskumných a konzervačných schopnostiach pre organizácie, ako je Transnational Red Sea Center (TRSC). )” – vedecko-výskumný orgán, ktorý od roku 2019 hostí EPFL.
TRSC vykonáva hĺbkové štúdie o tých druhoch koralov z Červeného mora, ktoré sa ukázali ako najodolnejšie voči stresu súvisiacemu s klimatickými podmienkami, pričom jeho iniciatíva slúži aj ako testovacia plocha pre systém DeepReefMap.
Mapy v momente
DeepReefMap, vyvinutý v Environmental Computational Science & Earth Observation Laboratory (ECEO) v rámci Školy architektúry, civilného a environmentálneho inžinierstva EPFL (ENAC), má schopnosť vytvoriť niekoľko stoviek metrov 3D útesových máp za okamih.
Nielen to, ale dokáže rozpoznať charakteristické črty a vlastnosti koralov a klasifikovať ich
„S týmto novým systémom môže každý zohrávať úlohu pri mapovaní svetových koralových útesov,“ hovorí koordinátor projektov TRSC Samuel Gardaz. „Skutočne to podnieti výskum v tejto oblasti znížením pracovného zaťaženia, množstva vybavenia a logistiky a nákladov súvisiacich s IT.“
Získanie 3D máp koralových útesov pomocou konvenčných metód sa v minulosti ukázalo ako náročné a drahé, hovorí EPFL.
Výpočtovo náročné rekonštrukcie sú založené na niekoľkých stovkách snímok tej istej časti útesu veľmi obmedzenej veľkosti (niekoľko desiatok metrov) nasnímaných z mnohých rôznych referenčných bodov a takéto snímky boli schopní získať iba špecializovaní potápači.
Tieto faktory výrazne obmedzili zakresľovanie koralových útesov v častiach sveta, kde chýbajú potrebné technické znalosti, a odrádzali od monitorovania rozsiahlych útesov pokrývajúcich kilometre alebo dokonca stovky metrov.
Pole šiestich kamier
Zatiaľ čo údaje o malých útesoch môžu amatérski potápači ľahko zachytiť pre DeepReefMap, výskumníci EPFL vyvinuli PVC štruktúru, ktorá obsahuje šesť kamier – tri smerujúce dopredu a tri dozadu, aby získali údaje na širšom území. Kamery sú od seba vzdialené 1 m a zostavu stále obsluhuje jeden potápač.
Hovorí sa, že toto pole so šiestimi kamerami ponúka lacnú možnosť pre miestne potápačské tímy pracujúce s obmedzeným rozpočtom.
Po nahratí záberov vraj DeepReefMap nemá problém so slabým osvetlením alebo difrakciou a žieravými efektmi, ktoré sa často vyskytujú v podvodných obrázkoch.
"Hlboké neurónové siete sa učia prispôsobiť sa týmto podmienkam, ktoré nie sú optimálne pre algoritmy počítačového videnia."
Existujúce 3D mapovacie programy fungujú spoľahlivo len za presných svetelných podmienok a s obrázkami s vysokým rozlíšením a sú „obmedzené aj pokiaľ ide o mierku“, tvrdí profesor ECEO Devis Tuia.
„Pri rozlíšení, kde je možné identifikovať jednotlivé koraly, sú najväčšie 3D mapy dlhé niekoľko metrov, čo si vyžaduje enormné množstvo času na spracovanie,“ hovorí. "S DeepReefMap sme obmedzení iba tým, ako dlho môže potápač zostať pod vodou."
Zdravie a tvar
Výskumníci tiež tvrdia, že uľahčili život terénnym biológom tým, že zahrnuli „algoritmy sémantickej segmentácie“, ktoré dokážu klasifikovať a kvantifikovať koraly podľa dvoch charakteristík.
Prvou charakteristikou je zdravie – od vysoko farebnej (naznačuje dobré zdravie) po bielu (naznačuje bielenie) a pokrytú riasami (označuje smrť) – a druhou je tvar pomocou medzinárodne uznávanej stupnice na klasifikáciu typov koralov, ktoré sa najčastejšie vyskytujú. v plytkých útesoch Červeného mora (rozvetvené, balvanové, tanierové a mäkké).
„Naším cieľom bolo vyvinúť systém, ktorý by sa ukázal byť užitočným pre vedcov pracujúcich v tejto oblasti a ktorý by sa dal rýchlo a široko zaviesť,“ hovorí Jonathan Sauder, ktorý pracoval na vývoji DeepReefMap pre svoju dizertačnú prácu.
„Napríklad Džibutsko má 400 km pobrežia. Naša metóda nevyžaduje žiadny drahý hardvér. Stačí na to počítač so základnou grafickou procesorovou jednotkou. Sémantická segmentácia a 3D rekonštrukcia prebiehajú rovnakou rýchlosťou ako prehrávanie videa.“
Výskumníci sa domnievajú, že pomocou tejto technológie bude ľahké sledovať, ako sa útesy časom menia, a identifikovať prioritné oblasti ochrany.
Vedcom tiež poskytne východiskový bod pre pridávanie ďalších údajov, ako je diverzita a bohatstvo druhov útesov, populačná genetika, adaptačný potenciál koralov na teplejšie vody a miestne znečistenie útesov. Tento proces by mohol nakoniec viesť k vytvoreniu úplného digitálneho dvojčaťa útesu.
DeepReefMap by sa tiež mohol použiť v mangrovníkoch a iných biotopoch s plytkou vodou a slúžiť ako sprievodca pri skúmaní hlbších morských ekosystémov, hovorí EPFL.
„Schopnosť rekonštrukcie zabudovaná do nášho systému AI by sa dala ľahko použiť aj v iných prostrediach, hoci trénovanie neurónových sietí na klasifikáciu druhov v nových prostrediach bude chvíľu trvať,“ hovorí Tuia.
Mapovanie stroskotaní?
"Neočakávam, že komerčné využitie (v zmysle použitia pri komerčnom potápaní, ako aj predaja produktu) čoskoro," povedal Jonathan Sauder. Divernet. „Metóda s najväčšou pravdepodobnosťou zostane vo vývoji a čoskoro pribudnú užívateľsky prívetivejšie verzie s otvoreným zdrojom.
„3D videnie je horúcou oblasťou vo výskume strojového učenia / robotiky. Veci sa pohybujú extrémne rýchlo a očakávam, že mapovanie v reálnom čase bude mať v najbližších rokoch svoj „chatGPT moment“ s náhlou rozšírenou dostupnosťou veľmi silných algoritmov, poháňaných veľkými spoločnosťami so zdanlivo nekonečnými rozpočtami na výskum a inžinierstvo, ale my budeme pozri!"
Dal by sa systém prispôsobiť na 3D mapovanie vrakov lodí? „3D mapovanie je naučený algoritmus – to znamená, že sa učí zo sady tréningových videí.
V našom scenári trénujeme mapovací systém na videách o útesoch. Mám podozrenie, že práve teraz by to fungovalo dobre na vrakoch lodí, ale mohlo by to fungovať oveľa lepšie, keby sa natrénovali na veľkom množstve videí z takýchto scén.
„Zatiaľ by som očakával, že najlepšou metódou na získanie skvelých 3D rekonštrukcií vrakov lodí bude stále bežný pracovný postup 3D mapovania, ktorý spočíva v nasnímaní mnohých fotografií vo vysokom rozlíšení, pri výpočte pozícií fotoaparátu pomocou softvéru Structure-from-Motion, ako je Agisoft Metashape alebo COLMAP, a potom ich potenciálne pekne vykreslí ako Gaussov znak.“
V časopise bol nedávno publikovaný článok o výskume mapovania útesov Metódy v ekológii a evolúcii.
Aj na Divernete: Svetové koralové útesy sú väčšie, ako sme si mysleli..., 10 spôsobov, ako technológia zachraňuje koraly, Hlboký koralový útes je najznámejší na svete, Grafy z 18. storočia odhaľujú stratu koralov
