micron
活動+
 

普利茅斯大學研究團隊用AI辨識深海圖像中的生物

圖為用於拍攝海底圖像的自動化潛艇Autosub6000。National Oceanography Centre

隨著海洋環境面臨越來越多的威脅,科學家需要更多關於海底生態的資訊以保護和管理生物多樣性。配備攝影機的自主水下航行器(Autonomous underwater vehicle;AUV)已能收集大量數據,但用人力處理這些數據曠日費時。英國普利茅斯大學(University of Plymouth)領導的研究證明,人工智慧(AI)有助於科學家更了解海底有哪些生物。

根據University of Plymouth報導,普利茅斯大學研究團隊測試了用電腦視覺系統來分析海底數據。結果在海底圖像中辨識出各種生物的準確率約為80%。但若使用足夠數據訓練演算法,則對特定物種的辨識準確度可高達93%。

科學家表示,這點顯示電腦視覺很快就會被用於研究海洋生物,並讓用於保護研究和生物多樣性管理的數據可用性大幅增加。

該研究的第一作者,博士生Nils Piechaud表示,AUV測量深度超過60公尺海床的重要工具。但目前僅能手動分析一小部分數據。 這項研究顯示AI是很有前景的工具,可成為處理從海底產生的大量數據的重要一步,並有助於加快分析,用於檢測一些物種。但現階段AI還無法完全取代人類。

該研究是Deep Links的一部分。Deep Links是由英國自然環境研究委員會(Natural Environment Research Council)資助的研究項目,由普利茅斯大學領導,其他參與者包括牛津大學(Oxford University)、英國地質調查局(British Geological Survey)和聯合自然保護委員會(Joint Nature Conservation Committee)。

2016年5月部署的Autosub6000在東北大西洋Rockall Bank東北側海面下1,200公尺處收集了逾15萬張圖像。這些圖像中約有1,200張是由人工分析,包含了4萬支110種不同種類的罕見生物。

研究人員使用Google的Tensorflow讓預先訓練的卷積神經網路(CNN)學習辨識AUV圖像中發現的各種深海形態種。然後,他們評估了CNN在使用不同數量的生物示例圖像進行訓練時的表現,以及要選擇的各種形態種。

人類手動註釋的準確度可高達95%,但這種方法很慢。而自動化方法的準確率達到約80%,具有明顯的速度和一致性優勢。該研究雖不主張用AI取代手動註釋,但若仔細評估其預測的可靠性,海洋生物學家可為特定任務實施AI,這將大幅提高科學家分析數據的能力。

研究人員表示,結合專業生態知識、AUV調查大面積海底區域,以及AI的快速數據處理能力,可大幅加快深海探測的速度,讓人類更了解海洋生態系統。

更多關鍵字報導: 機器視覺 人工智慧 影像辨識