海洋生物學家有了一種新的人工智能工具來監測和保護珊瑚礁。谷歌與澳大利亞聯邦科學和工業研究組織（CSIRO）合作開發的 項目 利用計算機視覺檢測模型，通過實時攝像頭來精確定位荊棘冠海星（COTS）的破壞性爆發。密切關注珊瑚礁有助于科學家快速應對不斷增長的人口，保護寶貴的大堡礁生態系統。

盡管珊瑚礁覆蓋了不到 1% 的遼闊海底，但卻支撐著約 25% 的海洋物種，包括魚類、無脊椎動物和海洋哺乳動物。在健康的情況下，這些生產性海洋環境為旅游業和娛樂業提供商業和自給漁業以及收入。它們還可以在風暴潮期間保護沿海社區，是藥物發現研究中抗病毒化合物的豐富來源。

在整個印度 – 太平洋地區都能找到膠輥的組合，它們以珊瑚蟲為食，珊瑚蟲是硬珊瑚礁的生命部分。它們通常數量很少，對生態系統造成的危害很小。然而，由于營養流失和天敵數量減少，疫情頻發，正在造成重大損害。

健康的珊瑚礁需要 10 到 20 年的時間才能從 COTS 爆發中恢復， COTS 爆發的定義是每 10000 平方米有 30 個或更多的成年人，或者密度消耗珊瑚的速度快于珊瑚的生長速度。面臨氣候變化、污染和破壞性捕魚做法等環境壓力的退化珊瑚礁不太可能恢復，導致不可逆轉的損害、珊瑚覆蓋減少和生物多樣性喪失。

科學家通過干預措施控制疫情。兩種常見的方法包括向海星注射膽鹽或從水中清除海星種群。但是，傳統的礁石測量方法是將浮潛器拖到船后進行視覺識別，這既耗時又費力，而且精度較低。

根據項目的 TensorFlow 文章 “ CSIRO 開發了一個 edge ML 平臺（構建在 NVIDIA Jetson AGX Xavier ） 它可以分析水下圖像序列，并近乎實時地繪制出檢測結果。”作者 Megha Malpani 是谷歌的 AI / ML 產品經理， Ard Oerlemans 是谷歌的軟件工程師，他們是 CSIRO 研究團隊的一員，致力于構建最精確、性能最好的模型。

研究人員利用 CSIRO 提供的一個帶注釋的數據集，開發了一個精確的目標檢測模型，該模型使用實時攝像頭而不是浮潛器來檢測海星。

它在各種海洋條件下以每秒 10 幀以上的速度處理圖像，如照明、能見度、深度、視點、珊瑚棲息地和現有 COTS 數量。

根據帖子，當 COTS 海星被檢測到時，它會被分配一個唯一的 ID 跟蹤器，將檢測結果與時間和視頻幀聯系起來。 Malpani 和 Oerlemans 寫道：“我們通過首先使用光流預測海星在下一幀中的位置，然后根據它們在聯合（ IoU ）分數上的交點將檢測與預測進行匹配，從而將后續幀中的檢測相互聯系起來。”。

隨著快速確定 COT 總數的最終目標的實現，團隊將重點放在整個管道的準確性上。“當前 1080p 型號使用 TensorFlow TensorRT 在 Jetson AGX Xavier 上以 11 FPS 的速度運行，達到基于序列的 F2得分 0.80 分！我們還訓練了一個 720p 模型，該模型在 Jetson 模塊上以 22 FPS 的速度運行，使用基于序列的 F2得分為 0.78 ，”研究人員寫道。

根據這項研究，該項目旨在展示機器學習和人工智能技術應用于大規模海洋棲息地監測的能力。

他們的工作是通過 GitHub 上荊棘冠海星檢測管道 或 Google Colab 開源的。該項目是谷歌 數字未來計劃 和 CSIRO 的一部分。

關于作者

Michelle Horton 是 NVIDIA 的高級開發人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發者博客撰文，重點介紹了開發者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷