Система глубокого обучения анализирует изображения для защиты глубоководных коралловых рифов намного быстрее человека

Глубоководные коралловые рифы, находящиеся на сотнях метров ниже поверхности океана, являются домом для множества видов, но они хрупки и легко повреждаются донными тралами. Их защита требует картографирования и мониторинга.

Использование глубокого обучения для мониторинга морского дна

Традиционный метод — анализ тысяч изображений морского дна, полученных с помощью буксируемых камер, — очень трудоёмок и создаёт узкое место в исследованиях. Чтобы решить эту проблему, исследователи разработали систему глубокого обучения для автоматического анализа изображений.

Система представляет собой многослойную сеть искусственных нейронов. По словам одного из авторов исследования Криса Джекетта, "система глубокого обучения невероятно быстра и точна".

Результаты системы:

• Обработала более 2300 изображений менее чем за 20 минут (человеку потребовалось бы более трёх месяцев).
• Научилась различать шесть типов донного субстрата (устоявшийся коралл, коралловый обломок, обломки других организмов, песок/ил, галька/гравий, скала) с точностью 98,19%.
• В некоторых случаях работала более стабильно, чем человек.

Обучение ИИ: отбор данных и настройка

Модель обучалась на изображениях, собранных у южного побережья Тасмании на глубинах от 600 до 1800 метров. Исходный набор данных содержал 140 000 фрагментов ("снипов"), но многие из них были слишком "зашумлены" — содержали смесь объектов, были плохо освещены или включали случайную фауну.

Исследователи очистили данные, сократив набор до около 70 000 качественных снипов. После экспериментов с методами обучения и архитектурой сети была достигнута точность 98,18%. На новых, неочищенных данных модель показала себя как минимум не хуже человека, точно классифицируя даже сложные изображения.

Будущее: человек и ИИ в тандеме

Хотя ИИ значительно ускоряет процесс, человеческое участие остаётся ключевым. "Мы считаем, что наличие человека в контуре будет наиболее эффективным способом использования этой модели", — отметил Крис Джекетт. Человек может вмешаться, когда модель не уверена в классификации, помогая ей учиться.

Эта технология имеет большой потенциал для защиты глубоководных рифов и других хрупких экосистем. В будущем её могут использовать, например, глубоководные рыболовные компании для минимизации воздействия на окружающую среду.