活动+
 

普利茅斯大学研究团队用AI辨识深海图象中的生物

图为用于拍摄海底图象的自动化潜艇Autosub6000。National Oceanography Centre

随著海洋环境面临越来越多的威胁,科学家需要更多关于海底生态的信息以保护和管理生物多样性。配备摄影机的自主水下航行器(Autonomous underwater vehicle;AUV)已能收集大量数据,但用人力处理这些数据旷日费时。英国普利茅斯大学(University of Plymouth)领导的研究证明,人工智能(AI)有助于科学家更了解海底有哪里些生物。

根据University of Plymouth报导,普利茅斯大学研究团队测试了用计算机视觉系统来分析海底数据。结果在海底图象中辨识出各种生物的准确率约为80%。但若使用足够数据训练算法,则对特定物种的辨识准确度可高达93%。

科学家表示,这点显示计算机视觉很快就会被用于研究海洋生物,并让用于保护研究和生物多样性管理的数据可用性大幅增加。

该研究的第一作者,博士生Nils Piechaud表示,AUV测量深度超过60公尺海床的重要工具。但目前仅能手动分析一小部分数据。 这项研究显示AI是很有前景的工具,可成为处理从海底产生的大量数据的重要一步,并有助于加快分析,用于检测一些物种。但现阶段AI还无法完全取代人类。

该研究是Deep Links的一部分。Deep Links是由英国自然环境研究委员会(Natural Environment Research Council)资助的研究项目,由普利茅斯大学领导,其它参与者包括牛津大学(Oxford University)、英国地质调查局(British Geological Survey)和联合自然保护委员会(Joint Nature Conservation Committee)。

2016年5月部署的Autosub6000在东北大西洋Rockall Bank东北侧海面下1,200公尺处收集了逾15万张图象。这些图象中约有1,200张是由人工分析,包含了4万支110种不同种类的罕见生物。

研究人员使用Google的Tensorflow让预先训练的卷积神经网络(CNN)学习辨识AUV图象中发现的各种深海形态种。然后,他们评估了CNN在使用不同数量的生物示例图象进行训练时的表现,以及要选择的各种形态种。

人类手动注释的准确度可高达95%,但这种方法很慢。而自动化方法的准确率达到约80%,具有明显的速度和一致性优势。该研究虽不主张用AI取代手动注释,但若仔细评估其预测的可靠性,海洋生物学家可为特定任务实施AI,这将大幅提高科学家分析数据的能力。

研究人员表示,结合专业生态知识、AUV调查大面积海底区域,以及AI的快速数据处理能力,可大幅加快深海探测的速度,让人类更了解海洋生态系统。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 机器视觉 人工智能 影像辨识