火星科技网您的位置:首页 >科技新闻 >

使用机器人和人工智能来了解深海

导读 根据普利茅斯大学领导的一项新研究,人工智能(AI)可以帮助科学家揭示生活在海底的物种种类。随着海洋环境面临越来越多的威胁,科学家迫切需

根据普利茅斯大学领导的一项新研究,人工智能(AI)可以帮助科学家揭示生活在海底的物种种类。

随着海洋环境面临越来越多的威胁,科学家迫切需要更多关于栖息在海床中的信息,以便为保护和生物多样性管理提供信息。

安装有最新摄像机的自主水下航行器(AUV)现在能够收集大量数据,但人类必须处理瓶颈仍然会产生瓶颈。

在海洋生态学进展系列发表的一项新研究中,海洋科学家和机器人专家测试了计算机视觉(CV)系统在潜在履行这一职责中的有效性。

他们平均显示在海底图像中识别各种动物的准确率约为80%,但如果使用足够的数据训练算法,则对特定物种的准确度可高达93%。

科学家们表示,这表明CV很快就会被用于研究海洋动物和植物,并导致保护研究和生物多样性管理的数据可用性大幅增加。

这项研究的第一作者,博士生Nils Piechaud说:“自动驾驶汽车是调查海底大部分深度超过60米(大多数潜水员可以达到的深度)的重要工具。但我们目前无法手动分析超过这项研究表明人工智能是一种很有前景的工具,但如果用它来识别我们图像中的动物,我们的AI分类器在五次中仍会出错。

“这使得它成为处理从海底产生的大量数据的重要一步,并表明它可以帮助加快分析,当用于检测一些物种。但我们还没有考虑它是合适的在这个阶段完全替代人类。“

该研究是Deep Links的一部分,Deep Links是由自然环境研究委员会资助的研究项目,由普利茅斯大学领导,与牛津大学,英国地质调查局和联合自然保护委员会合作。

2016年5月部署的英国国家AUV之一--Autosub6000--在东北大西洋Rockall Bank东北侧海面下1200米处的一次潜水中收集了超过150,000张图像。这些图像中约有1,200个是人工分析的,包含了110种不同种类的动物(形态)的40,000个个体,其中大多数只见过少数几次。

研究人员随后使用Google的Tensorflow(一种开放式访问库)来教授预先训练的卷积神经网络(CNN),以识别AUV图像中发现的各种深海形态物种的个体。然后,他们评估了CNN在使用不同数量的动物示例图像进行训练时的表现,以及不同数量的形态种类可供选择。

人类手动注释的准确度可以在50%到95%之间,但这种方法很慢,甚至专家在时间和研究团队中都非常不一致。这种自动化方法的准确率达到了80%左右,具有明显的速度和一致性优势,接近人类的表现。

对于算法运行良好的一些形态种类尤其如此。例如,该模型在93%的时间内正确识别一种动物(一种类型的异种植物)。

虽然该研究并不主张更换手动注释,但它确实表明,如果仔细评估其预测的可靠性,海洋生物学家可以为特定任务实施AI。这将大大提高科学家分析其数据的能力。

研究人员表示,将专业生态知识与高科技AUV调查海底大面积区域的能力以及人工智能的快速数据处理能力相结合,可以大大加快深海探测的速度,同时我们对海洋的更广泛了解生态系统。

海洋生态学副教授兼Deep Links项目首席研究员Kerry Howell博士补充说:“我们的星球大部分地区都是深海,这是一个广阔的地区,我们的知识空间也同样巨大。海洋环境的压力越来越大,包括气候改变,我们必须了解我们的海洋及其中发现的栖息地和物种。在机器人和自动驾驶汽车,大数据和全球开放研究的时代,人工智能工具的发展有可能帮助加速我们的收购知识是一个令人兴奋和急需的进步。“

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。