人工智能利用声学数据检测鲱鱼群
2019年10月22日 由 TGS 发表
928022
0
气候变化对海洋生态系统的影响,可以通过追踪水下物种的健康状况进行了解,但这是一个耗时的过程,需要大量的精力。因为生物学家需要使用回声测深仪进行研究,利用声纳来确定水的深度和物体的体积,他们必须手工解释得到的二维回声图。然而,这还不是最糟糕的,更让人难以接受的是,手工解释非常容易出错。
为了从根本上解决这个问题,加拿大维多利亚大学的一组科研人员,正在开发一种用于探测声学调查数据中特定生物目标的机器学习方法。他们为了提高环境监测的准确性,特意挑了鲱鱼鱼群进行测试。
2015年,该团队在不列颠哥伦比亚省温哥华岛外的 Discovery Passage中训练了一个人工智能模型,该模型语料库里有100个去噪回声图——这些图是由一个装置在水面向下看时产生的,其中,70个超声图用于训练,30个留作测试。当年的回声图实验数据为如今的开发奠定了坚实的基础,让研究人员少走了许多弯路。
上图是三个不同的AI训练模型,其中表现最好的模型要优于传统的基线方法,虽然成功率不是百分之百,但却从根本上突破了原先的桎梏,这无疑是一件值得欣喜的成果。该团队表示,他们的系统不仅能应用于鲱鱼群,还可以可扩展到其他指定的浮游生物,在发挥优越性能的同时,保证准确有意义的检测任务。
“我们证明了,即便使用非常小的带注释数据集,基于深度学习的解决方案也可以胜过传统的机器学习方法。我们研究结果表明,随着更多数据的注释,深度学习可以有效地应用于水声分析。并且在较长一段时间内,它都是通过测量这类主题数量来研究气候变化相关现象引起水温变化影响的有力工具。”研究者在论文中写道。
加拿大维多利亚大学并不是唯一一个将人工智能应用于生态学的大学。最近,昆士兰大学的科学家利用谷歌的TensorFlow机器学习框架训练了一种算法,可以自动检测海洋图像中的海牛。
除了大学,还有一家位于圣克鲁斯,利用机器学习来跟踪非洲大草原象的初创公司Conservation Metrics。此外,英特尔的TrailGuard AI系统最近集成了一种离线的、设备上的AI算法,可以利用嵌入式摄像机探测运动,有效抑制不法之徒偷猎,保护野生动物。