Uważa się, że system sztucznej inteligencji opracowany na EPFL, publicznym uniwersytecie badawczym w Lozannie w Szwajcarii, jest w stanie w ciągu kilku minut stworzyć szczegółowe mapy 3D raf koralowych nawet na podstawie słabo oświetlonego materiału wideo nurków amatorów.
Dane wymagane dla systemu DeepReefMap może zbierać każdy, kto posiada standardowy sprzęt do nurkowania i dostępną na rynku kamerę.
Wystarczy, że przepłyną powoli nad rafą przez kilkaset metrów i po drodze nagrywają wideo przedstawiające widok poniżej.
Jedynymi ograniczeniami są żywotność baterii aparatu i ilość powietrza w zbiorniku nurka, mówi EPFL, twierdząc, że rozwój ten oznacza „duży krok naprzód w zakresie eksploracji i ochrony głębin morskich dla organizacji takich jak Transnarodowe Centrum Morza Czerwonego (TRSC )” – jednostka naukowo-badawcza, której gospodarzem jest EPFL od 2019 roku.
TRSC prowadzi szczegółowe badania na tych gatunkach koralowców z Morza Czerwonego, które okazały się najbardziej odporne na stres związany z klimatem, a jego inicjatywa posłużyła również jako poligon doświadczalny dla systemu DeepReefMap.
Mapy w kilka chwil
Opracowany w Environmental Computational Science & Earth Observation Laboratory (ECEO) w ramach Szkoły Architektury, Inżynierii Lądowej i Środowiska (ENAC) EPFL, DeepReefMap ma moc tworzenia kilkuset metrów trójwymiarowych map raf w ciągu kilku chwil.
Nie tylko to, ale może także rozpoznać charakterystyczne cechy i właściwości koralowców oraz je sklasyfikować
„Dzięki temu nowemu systemowi każdy może wziąć udział w tworzeniu map raf koralowych na świecie”, mówi Samuel Gardaz, koordynator projektu TRSC. „To naprawdę pobudzi badania w tej dziedzinie, zmniejszając obciążenie pracą, ilość sprzętu i logistyki oraz koszty związane z IT”.
Uzyskanie trójwymiarowych map raf koralowych przy użyciu konwencjonalnych metod okazywało się w przeszłości trudne i kosztowne, twierdzi EPFL.
Rekonstrukcje intensywne obliczeniowo opierają się na kilkuset zdjęciach tego samego fragmentu rafy o bardzo ograniczonych rozmiarach (kilkadziesiąt metrów) wykonanych z wielu różnych punktów odniesienia i tylko wyspecjalizowani nurkowie byli w stanie uzyskać takie obrazy.
Czynniki te poważnie ograniczyły planowanie raf koralowych w częściach świata pozbawionych niezbędnej wiedzy technicznej i zniechęciły do monitorowania rozległych raf rozciągających się na kilometry, a nawet setki metrów.
Układ sześciu kamer
Chociaż nurkowie-amatorzy mogą z łatwością zbierać dane dotyczące małych raf do DeepReefMap, aby uzyskać dane z większego obszaru, badacze z EPFL opracowali konstrukcję z PVC, w której mieści się sześć kamer – trzy skierowane do przodu i trzy do tyłu. Kamery są rozmieszczone w odległości 1 m od siebie, a cały zestaw jest nadal obsługiwany przez jednego nurka.
Mówi się, że ten zestaw sześciu kamer oferuje niedrogą opcję dla lokalnych zespołów nurkowych działających przy ograniczonych budżetach.
Mówi się, że po przesłaniu materiału DeepReefMap nie ma problemu ze słabym oświetleniem lub efektami dyfrakcyjnymi i żrącymi często spotykanymi na zdjęciach podwodnych.
„Głębokie sieci neuronowe uczą się dostosowywać do tych warunków, które są nieoptymalne dla algorytmów widzenia komputerowego”.
Istniejące programy do mapowania 3D działają niezawodnie tylko w precyzyjnych warunkach oświetleniowych i przy obrazach o wysokiej rozdzielczości, a według profesora ECEO Devisa Tuia są „ograniczone także pod względem skali”.
„Przy rozdzielczości umożliwiającej identyfikację poszczególnych koralowców największe mapy 3D mają kilka metrów długości, co wymaga ogromnego czasu przetwarzania” – mówi. „Dzięki DeepReefMap jesteśmy ograniczeni jedynie tym, jak długo nurek może pozostać pod wodą.”
Zdrowie i forma
Naukowcy twierdzą również, że ułatwili życie biologom terenowym, włączając „algorytmy segmentacji semantycznej”, które mogą klasyfikować i określać ilościowo korale według dwóch cech.
Pierwszą cechą jest zdrowie – od bardzo kolorowego (sugerującego dobre zdrowie) do białego (wskazującego wybielenie) i pokrytego glonami (oznaczającego śmierć), a drugą jest kształt, liczony według międzynarodowej skali do klasyfikacji najczęściej spotykanych rodzajów koralowców w płytkich rafach Morza Czerwonego (rozgałęzione, głazowe, płytowe i miękkie).
„Naszym celem było opracowanie systemu, który okaże się przydatny dla naukowców pracujących w terenie i który będzie można szybko i szeroko wdrożyć” – mówi Jonathan Sauder, który pracował nad rozwojem DeepReefMap na potrzeby swojej pracy doktorskiej.
„Na przykład Dżibuti ma 400 km linii brzegowej. Nasza metoda nie wymaga żadnego drogiego sprzętu. Wystarczy komputer z podstawowym procesorem graficznym. Segmentacja semantyczna i rekonstrukcja 3D zachodzą z tą samą szybkością, co odtwarzanie wideo.
Naukowcy uważają, że dzięki tej technologii monitorowanie zmian raf w czasie i identyfikacja priorytetowych obszarów ochrony będzie łatwe.
Da to także naukowcom punkt wyjścia do dodania innych danych, takich jak różnorodność i bogactwo gatunków raf, genetyka populacji, potencjał adaptacyjny koralowców do cieplejszych wód oraz lokalne zanieczyszczenia raf. Proces ten może ostatecznie doprowadzić do stworzenia w pełni cyfrowego bliźniaka rafy.
DeepReefMap można również wykorzystać w namorzynach i innych siedliskach płytkich wód oraz służyć jako przewodnik w eksploracji głębszych ekosystemów morskich, twierdzi EPFL.
„Możliwości rekonstrukcji wbudowane w nasz system sztucznej inteligencji można z łatwością wykorzystać w innych sytuacjach, chociaż wyszkolenie sieci neuronowych w zakresie klasyfikowania gatunków w nowych środowiskach zajmie trochę czasu” – mówi Tuia.
Mapowanie wraków?
„Nie spodziewam się wkrótce komercyjnego wykorzystania (zarówno w sensie wykorzystania w nurkowaniu komercyjnym, jak i sprzedaży produktu)” – powiedział Jonathan Sauder Divernet. „Metoda najprawdopodobniej będzie nadal rozwijana, a wkrótce pojawią się bardziej przyjazne dla użytkownika wersje open source.
„Wizja 3D to popularna dziedzina w badaniach nad uczeniem maszynowym i robotyką. Sprawy toczą się niezwykle szybko i spodziewam się, że mapowanie w czasie rzeczywistym osiągnie swój „moment ChatGPT” w ciągu najbliższych lat wraz z nagłą powszechną dostępnością bardzo silnych algorytmów, napędzaną przez duże firmy z pozornie nieograniczonymi budżetami na badania i inżynierię, ale będziemy Widzieć!"
Czy system można dostosować do mapowania 3D wraków statków? „Mapowanie 3D to algorytm wyuczony, co oznacza, że uczy się na podstawie zestawu filmów szkoleniowych.
W naszym scenariuszu szkolimy system mapowania na filmach o rafach. Podejrzewam, że w tej chwili działałoby to całkiem nieźle w przypadku wraków statków, ale mogłoby działać znacznie lepiej, gdyby zostało przeszkolone na dużej liczbie filmów z takich scen.
„Na razie spodziewałbym się, że najlepszą metodą uzyskania ciekawych rekonstrukcji 3D wraków statków będzie nadal konwencjonalny proces tworzenia map 3D obejmujący wykonanie wielu zdjęć w wysokiej rozdzielczości, obliczenie pozycji aparatu za pomocą oprogramowania Structure-from-Motion, takiego jak Agisoft Metashape lub COLMAP, a następnie potencjalnie ładnie je renderując jako ikonę Gaussa.”
Niedawno w czasopiśmie opublikowano artykuł na temat badań nad mapowaniem raf Metody w ekologii i ewolucji.
Również w Divernet: Rafy koralowe na świecie są większe, niż myśleliśmy…, 10 sposobów, w jakie technologia ratuje koralowce, Głęboka rafa koralowa jest największą znaną na świecie, Wykresy z XVIII wieku pokazują utratę koralowców
