MARLIT, en kunstig intelligens-baseret app til at studere flydende marine makro-affald

Flydende havmakroaffald er en trussel mod bevarelsen af ​​marine økosystemer på verdensplan. Den største tæthed af flydende affald er i de store havgyres - systemer af cirkulære strømme, der spinder og fanger affald - men det forurenende affald er rigeligt i kystnære farvande og delvist lukkede hav som Middelhavet.

MARLIT, en open access web-app baseret på en algoritme designet med deep learning-teknikker, vil muliggøre detektering og kvantificering af flydende plast i havet med en pålidelighed på over 80 %, ifølge en undersøgelse offentliggjort i tidsskriftet Miljøforurening og udført af eksperter fra Det Biologiske Fakultet og Biodiversitetsforskningsinstituttet ved University of Barcelona (IRBio).

Denne metodologi er resultatet af analysen gennem kunstig intelligens teknikker af mere end 3, 800 luftbilleder af middelhavskysten i Catalonien, og det vil give forskere mulighed for at gøre fremskridt i vurderingen af ​​tilstedeværelsen, tæthed og fordeling af plastikforurenende stoffer i havene og oceanerne verden over. Blandt deltagerne i undersøgelsen, offentliggjort i tidsskriftet Miljøforurening , er eksperterne fra den konsoliderede forskningsgruppe for store marine hvirveldyr fra UB og IRBio, og forskningsgruppen for biostatistik og bioinformatik (GRBIO) ved UB, integreret i Bioinformatics Barcelona platformen (BIB).

Affald, der flyder og forurener havet

Historisk set, direkte observationer (både, fly, osv.) er grundlaget for den fælles metode til at vurdere virkningen af ​​flydende marint makroaffald (FMML). Imidlertid, det store havområde og mængden af ​​data gør det svært for forskerne at komme videre med overvågningsundersøgelserne.

"Automatiske luftfotograferingsteknikker kombineret med analytiske algoritmer er mere effektive protokoller til kontrol og undersøgelse af denne slags forurenende stoffer, " bemærker Odei Garcia-Garin, første forfatter til artiklen og medlem af CRG om store havpattedyr, ledet af professor Àlex Aguilar.

"Imidlertid, – fortsætter han –, automatiseret fjernmåling af disse materialer er på et tidligt stadie. Der er flere faktorer i havet (bølger, vind, skyer, osv.), der hærder registreringen af ​​flydende affald automatisk med luftbillederne af den marine overflade. Dette er grunden til, at der kun er nogle få undersøgelser, der har gjort en indsats for at arbejde på algoritmer, der kan anvendes til denne nye forskningskontekst."

Eksperterne designet en ny algoritme til at automatisere kvantificeringen af ​​flydende plastik i havet gennem luftfotos ved at anvende deep learning-teknikker, automatisk læringsmetodologi med kunstige neuronale netværk i stand til at lære og tage læringen til højere niveauer.

"Den store mængde billeder af havoverfladen opnået af droner og fly i overvågningskampagner på havaffald – også i eksperimentelle undersøgelser med kendte flydende objekter – gjorde det muligt for os at udvikle og teste en ny algoritme, der når en præcision på 80 % i fjernbetjeningen sansning af flydende marint makroaffald, " bemærker Garcia-Garin, medlem af Institut for Evolutionsbiologi, Økologi og miljøvidenskab ved UB og IRBio.

Bevarelse af havene med dyb læringsteknikker

Den nye algoritme er implementeret til MARLIT, en open access web-app beskrevet i artiklen, og som er tilgængelig for alle ledere og fagfolk i undersøgelsen af ​​påvisning og kvantificering af flydende marine makroaffald med luftbilleder. I særdeleshed, dette er et proof of concept baseret på en R Shiny-pakke, en metodisk innovation med stor interesse for at fremskynde overvågningsprocedurerne for flydende marint makroaffald.

MARLIT muliggør analyse af billeder individuelt, samt at opdele dem i flere segmenter – i henhold til brugerens retningslinjer –, identificere tilstedeværelsen af ​​flydende affald i hvert bestemt område og estimer deres tæthed med billedmetadataene (højde, løsning). I fremtiden, det forventes at tilpasse appen til en fjernsensor (f.eks. en drone) for at automatisere fjernmålingsprocessen.

På europæisk plan, EU's havstrategirammedirektiv angiver anvendelsen af ​​FMML-overvågningsteknikker til at opfylde den løbende vurdering af havmiljøets miljøtilstand. "Derfor, the automatization of monitoring processes and the use of apps such as MARLIT would ease the member states' fulfillment of the directive, " conclude the authors of the study.