ИИ для мониторинга устричных рифов: быстрее человека, но менее точен
Популяции устриц в мире сократились более чем на 85% от исторического уровня, что создает острую необходимость в восстановлении и мониторинге этих критически важных морских экосистем. Традиционные методы мониторинга устричных рифов часто включают деструктивный отбор проб и требуют больших ручных трудозатрат. Новое исследование, опубликованное в Frontiers in Robotics and AI, изучает возможность использования искусственного интеллекта в качестве более безопасного и эффективного инструмента.
Глубокообучаемая модель ODYSSEE была обучена идентифицировать живых устриц на подводных изображениях. Исследователи использовали реальные и синтетически сгенерированные изображения, сравнивая точность и скорость работы модели с аннотациями, сделанными экспертами и неспециалистами.
Результаты оказались неоднозначными. Хотя ODYSSEE значительно превзошла людей по скорости обработки (в среднем 39,6 секунд на аннотацию 150 изображений против 2,3 часов у экспертов и 4,5 часов у неспециалистов), она уступила в точности. Модель ИИ правильно идентифицировала живых устриц в 63% случаев, в то время как эксперты — в 74%, а неспециалисты — в 75%.
Исследователи обнаружили, что лучшее качество изображений повышало точность людей, но снижало точность модели.
Профессор Арт Трембанис из Колледжа Земли, Океана и Окружающей среды Университета Делавэра сыграл ключевую роль как в получении изображений, так и в разработке роботизированных систем для исследования. Команда использовала ручные камеры и дистанционно управляемые аппараты для съемки устричных рифов в Льюисе, Делавэр. Эта работа стала важным полигоном для оценки того, как ИИ может дополнить, а в будущем, возможно, и оптимизировать традиционный мониторинг.
«Речь не о замене человеческого опыта, — сказал Трембанис. — Речь о масштабировании нашей способности контролировать здоровье рифов, особенно в чувствительных районах, где дночерпание просто неприменимо. ODYSSEE показывает потенциал, но также подчеркивает, насколько тонкой может быть идентификация устриц».
Исследование является результатом сотрудничества Университета Делавэра, Университета Мэриленда и Университета Цинциннати и является частью более широкой инициативы по интеграции автономных роботизированных систем в аквакультуру. Модель ODYSSEE обучали на смеси реальных изображений устриц и синтетических данных, сгенерированных с помощью stable diffusion — техники, создающей гиперреалистичные изображения из 3D-сканов, чтобы помочь преодолеть разрыв между виртуальной и естественной средой.
Хотя текущая версия ODYSSEE имеет ограничения, исследователи оптимистично настроены, что точность модели в конечном итоге сможет соответствовать или превзойти точность человека-аннотатора.
«Это исследование открывает путь для неинвазивного, масштабируемого мониторинга морских экосистем, — заключают авторы. — По мере улучшения моделей ИИ они могут стать мощными союзниками в усилиях по восстановлению, особенно там, где ограничены человеческое время и доступ».