Forstå dybhavsbilleder med kunstig intelligens

Evalueringen af ​​meget store datamængder bliver stadig mere relevant inden for havforskning. Dykkerobotter eller autonome undervandsbiler, der udfører målinger uafhængigt i dybhavet, kan nu optage store mængder billeder i høj opløsning. For at evaluere disse billeder videnskabeligt på en bæredygtig måde, en række forudsætninger skal være opfyldt ved dataindsamling, kuratering og datahåndtering.

"I løbet af de sidste tre år har vi har udviklet en standardiseret arbejdsgang, der gør det muligt videnskabeligt at evaluere store mængder billeddata systematisk og bæredygtigt, "forklarer Dr. Timm Schoening fra arbejdsgruppen Deep Sea Monitoring under ledelse af professor Dr. Jens Greinert ved GEOMAR. ABYSS autonome undervandskøretøj blev udstyret med et nyt digitalt kamerasystem til undersøgelse af økosystemet omkring manganknuder i Stillehavet. Med data indsamlet på denne måde, arbejdsgangen blev designet og testet for første gang. Resultaterne er nu blevet offentliggjort i det internationale tidsskrift Videnskabelige data .

Proceduren er opdelt i tre trin:Dataindsamling, datakuration og datahåndtering, i hvert af de definerede mellemliggende trin skal udføres. For eksempel, det er vigtigt at angive, hvordan kameraet skal sættes op, hvilke data der skal fanges, eller hvilken belysning der er nyttig for at besvare et specifikt videnskabeligt spørgsmål. I særdeleshed, dykkerobotens metadata skal også registreres. "Til databehandling, det er vigtigt at forbinde kameraets billeddata med dykkerobotens metadata, "siger Schoening. AUV ABYSS, for eksempel, registrerede automatisk sin position, dykkets dybde og egenskaberne ved det omgivende vand. "Alle disse oplysninger skal knyttes til det respektive billede, fordi det giver vigtige oplysninger til efterfølgende evaluering, "siger Schoening. En enorm opgave:ABYSS indsamlede over 500, 000 billeder af havbunden på omkring 30 dyk. Forskellige programmer, som teamet udviklede specielt til dette formål, sikret, at dataene blev bragt sammen. Her, ubrugeligt billedmateriale, såsom dem med bevægelsessløring, blev fjernet.

Alle disse processer er nu automatiserede. "Indtil da, imidlertid, et stort antal tidskrævende trin havde været nødvendige, "siger Schoening." Nu kan metoden overføres til ethvert projekt, selv med andre AUV'er eller kamerasystemer. "Materialet behandlet på denne måde blev derefter gjort permanent tilgængeligt for offentligheden.

Endelig, kunstig intelligens i form af den specielt udviklede algoritme "CoMoNoD" blev brugt til evaluering på GEOMAR. Det registrerer automatisk, om manganknuder er til stede på et foto, i hvilken størrelse og i hvilken position. Efterfølgende, for eksempel, de enkelte billeder kunne kombineres til at danne større kort over havbunden. Den næste brug af arbejdsgangen og de nyudviklede programmer er allerede planlagt:På den næste ekspedition i foråret næste år i retning af mangan knuder, evalueringen af ​​billedmaterialet vil foregå direkte om bord. "Derfor tager vi nogle særligt kraftfulde computere med os ombord, ”siger Timm Schoening.