Ang isang artificial intelligence system na binuo sa EPFL, ang pampublikong pananaliksik na unibersidad sa Lausanne, Switzerland, ay inaangkin na makakagawa ng mga detalyadong 3D na mapa ng mga coral reef kahit na mula sa mga video footage ng mga amateur divers na may kahina-hinalang naiilawan – sa loob ng ilang minuto.
Ang data na kinakailangan para sa DeepReefMap system ay maaaring kolektahin ng sinumang nilagyan ng karaniwang diving gear at isang komersyal na available na camera.
Ang kailangan lang nilang gawin ay lumangoy nang dahan-dahan sa ibabaw ng isang bahura sa loob ng ilang daang metro, na kumukuha ng video footage ng view sa ibaba habang sila ay pumunta.
Ang tanging limitasyon ay ang buhay ng baterya ng camera at ang dami ng hangin sa tangke ng maninisid, sabi ng EPFL, na sinasabing ang pag-unlad ay nagmamarka ng "isang malaking hakbang sa paggalugad sa malalim na dagat at mga kakayahan sa pag-iingat para sa mga organisasyon tulad ng Transnational Red Sea Center (TRSC). )” – isang katawan ng siyentipikong pananaliksik na na-host ng EPFL mula noong 2019.
Ang TRSC ay nagsasagawa ng mga malalim na pag-aaral sa mga species ng korales ng Red Sea na napatunayang pinaka-lumalaban sa stress na nauugnay sa klima, kasama ang inisyatiba nito na nagsisilbi ring lugar ng pagsubok para sa DeepReefMap system.
Mga mapa sa mga sandali
Binuo sa Environmental Computational Science & Earth Observation Laboratory (ECEO) sa loob ng School of Architecture, Civil & Environmental Engineering (ENAC) ng EPFL, sinasabing may kapangyarihan ang DeepReefMap na gumawa ng ilang daang metro ng 3D reef na mga mapa sa ilang sandali.
Hindi lamang iyon, ngunit maaari din nitong makilala ang mga natatanging katangian at katangian ng mga korales at pag-uri-uriin ang mga ito
“Gamit ang bagong sistemang ito, kahit sino ay maaaring maglaro ng bahagi sa pagmamapa ng mga coral reef sa mundo,” sabi ng TRSC projects co-ordinator na si Samuel Gardaz. "Ito ay talagang mag-uudyok sa pananaliksik sa larangang ito sa pamamagitan ng pagbawas sa workload, ang dami ng kagamitan at logistik, at ang mga gastos na nauugnay sa IT."
Ang pagkuha ng 3D coral-reef na mga mapa gamit ang mga kumbensyonal na pamamaraan ay napatunayang mahirap at mahal sa nakaraan, sabi ng EPFL.
Nakabatay ang computationally intensive reconstructions sa ilang daang larawan ng parehong bahagi ng reef na napakalimitado ang laki (ilang dosenang metro) na kinunan mula sa maraming iba't ibang reference point, at tanging mga dalubhasang diver lang ang nakakuha ng ganoong mga larawan.
Ang mga salik na ito ay lubhang limitado ang coral-reef plotting sa mga bahagi ng mundo na kulang sa kinakailangang teknikal na kadalubhasaan, at hindi hinihikayat ang pagsubaybay sa mga malalawak na bahura na sumasaklaw sa mga kilometro, o kahit na daan-daang metro.
Anim na hanay ng camera
Habang ang data sa mga maliliit na bahura ay madaling makuha para sa DeepReefMap ng mga baguhang maninisid, upang makakuha ng data sa mas malawak na lugar, ang mga mananaliksik ng EPFL ay nakabuo ng PVC na istraktura na naglalaman ng anim na camera - tatlong nakaharap pasulong at tatlong pabalik. Ang mga camera ay may pagitan ng 1m at ang set-up ay pinapatakbo pa rin ng isang maninisid.
Ang anim na camera array na ito ay sinasabing nag-aalok ng murang opsyon para sa mga lokal na dive-team na tumatakbo sa limitadong badyet.
Kapag na-upload na ang footage, ang DeepReefMap ay sinasabing walang problema sa mahinang pag-iilaw o sa diffraction at caustic effect na kadalasang makikita sa mga imahe sa ilalim ng dagat.
"Natututo ang malalalim na neural network na umangkop sa mga kundisyong ito, na suboptimal para sa mga algorithm ng computer vision."
Ang mga kasalukuyang 3D mapping program ay gumagana lamang sa ilalim ng tumpak na mga kondisyon ng pag-iilaw at may mataas na resolution na mga larawan, at "limitado rin pagdating sa sukat", ayon sa propesor ng ECEO na si Devis Tuia.
"Sa isang resolusyon kung saan maaaring makilala ang mga indibidwal na korales, ang pinakamalaking 3D na mapa ay ilang metro ang haba, na nangangailangan ng napakalaking oras ng pagproseso," sabi niya. “Sa DeepReefMap, nililimitahan lang kami ng kung gaano katagal maaaring manatili ang maninisid sa ilalim ng tubig.”
Kalusugan at hugis
Sinasabi rin ng mga mananaliksik na ginawang mas madali ang buhay para sa mga biologist sa larangan sa pamamagitan ng pagsasama ng "semantic segmentation algorithm" na maaaring mag-uri-uri at magbilang ng mga korales ayon sa dalawang katangian.
Ang unang katangian ay kalusugan - mula sa napakakulay (nagmumungkahi ng mabuting kalusugan) hanggang sa puti (nagpapahiwatig ng pagpapaputi) at natatakpan ng algae (nagsasaad ng kamatayan) - at ang pangalawa ay hugis, gamit ang isang kinikilalang internasyonal na sukat upang pag-uri-uriin ang mga uri ng mga korales na karaniwang matatagpuan sa mababaw na bahura ng Dagat na Pula (sanga, malaking bato, plato at malambot).
"Ang aming layunin ay bumuo ng isang sistema na magpapatunay na kapaki-pakinabang sa mga siyentipiko na nagtatrabaho sa larangan at maaaring mailunsad nang mabilis at malawak," sabi ni Jonathan Sauder, na nagtrabaho sa pagbuo ng DeepReefMap para sa kanyang PhD thesis.
"Ang Djibouti, halimbawa, ay may 400km na baybayin. Ang aming pamamaraan ay hindi nangangailangan ng anumang mamahaling hardware. Ang kailangan lang ay isang computer na may pangunahing graphics processing unit. Ang semantic segmentation at 3D reconstruction ay nangyayari sa parehong bilis ng pag-playback ng video."
Naniniwala ang mga mananaliksik na ang paggamit ng teknolohiya ay magiging madali upang masubaybayan kung paano nagbabago ang mga reef sa paglipas ng panahon, upang matukoy ang mga priyoridad na lugar ng konserbasyon.
Bibigyan din nito ang mga siyentipiko ng panimulang punto para sa pagdaragdag ng iba pang data tulad ng pagkakaiba-iba at kayamanan ng mga reef species, genetics ng populasyon, adaptive potential ng corals sa mas maiinit na tubig, at lokal na polusyon sa mga reef. Ang prosesong ito ay maaaring humantong sa paglikha ng isang buong digital na kambal ng isang bahura.
Ang DeepReefMap ay maaari ding gamitin sa mga bakawan at iba pang mga tirahan ng mababaw na tubig, at magsisilbing gabay sa paggalugad ng mas malalim na marine ecosystem, sabi ng EPFL.
"Ang kakayahan sa muling pagtatayo na binuo sa aming AI system ay madaling magamit sa ibang mga setting, bagama't kakailanganin ng oras upang sanayin ang mga neural network upang pag-uri-uriin ang mga species sa mga bagong kapaligiran," sabi ni Tuia.
Pagmamapa ng pagkawasak ng barko?
"Hindi ko inaasahan ang komersyal na paggamit (kapwa sa kahulugan ng paggamit sa komersyal na diving, pati na rin ang pagbebenta ng isang produkto) sa lalong madaling panahon," sinabi ni Jonathan Sauder Divernet. "Ang pamamaraan ay malamang na mananatili sa ilalim ng pag-unlad, na may higit pang user-friendly na open-source na mga release na paparating na.
“Ang 3D vision ay isang mainit na larangan sa machine learning / robotics research. Napakabilis ng mga bagay-bagay at inaasahan kong magkakaroon ng 'ChatGPT moment' ang real-time na pagmamapa sa loob ng mga susunod na taon, na may biglaang malawakang pagkakaroon ng napakalakas na algorithm, na hinihimok ng malalaking kumpanya na may tila walang katapusang mga badyet sa pananaliksik at engineering, ngunit gagawin namin tingnan mo!”
Maaari bang iakma ang system para sa 3D na pagmamapa ng mga shipwrecks? "Ang 3D mapping ay isang natutunang algorithm - ibig sabihin ay natututo ito mula sa isang hanay ng mga video ng pagsasanay.
sa aming senaryo, sinasanay namin ang sistema ng pagmamapa sa mga video ng reef. Pinaghihinalaan ko ngayon na ito ay gagana nang OK-ish sa mga pagkawasak ng barko, ngunit maaaring gumana nang mas mahusay kung sinanay sa malalaking halaga ng mga video mula sa gayong mga eksena.
“Sa ngayon, inaasahan ko na ang pinakamahusay na paraan para sa pagkuha ng mga cool na 3D na muling pagtatayo ng mga shipwrecks ay isang kumbensyonal na 3D mapping workflow ng pagkuha ng maraming high-res na larawan, pagkalkula ng mga pose ng camera gamit ang Structure-from-Motion software gaya ng Agisoft Metashape o COLMAP, at pagkatapos ay posibleng i-render ito nang maganda bilang Gaussian Splat.
Ang isang papel sa pananaliksik sa reef-mapping ay nai-publish kamakailan sa journal Mga Paraan Sa Ekolohiya At Ebolusyon.
Gayundin sa Divernet: Ang mga coral reef sa mundo ay mas malaki kaysa sa inaakala natin..., 10 paraan sa pagligtas ng tech sa coral, Ang malalim na coral reef ang pinakamalaking kilala sa mundo, Ang mga tsart ng ika-18 siglo ay nagpapakita ng pagkawala ng coral