用AI保持珊瑚礁健康

根据世界上所谓的海洋雨林的珊瑚礁，近四分之一的鱼类，这对海洋生物的整体福祉至关重要。

珊瑚礁还保护热带风暴的海岸线，为10亿人提供食物和收入，并在旅游和娱乐中发挥960亿美元。但珊瑚礁濒临危及过度捕捞，底部拖网，全球变暖和不可持续的沿海发展。

有一段时间，科学家们一直在监测礁石周围的鱼类的数量和各种鱼类，以确定整体珊瑚礁健康。这涉及将人类送入大海以捕捉珊瑚礁的视频镜头和照片，这是一个可能吓到鱼类的危险和耗时的承诺。

2019年，Sulubaaï环境基金会，一个致力于保护海洋生命的菲律宾非营利组织，开始项目：哥伦那提和英特尔一起使用人工智能（AI）来监测，表征和分析使用人造礁石的珊瑚礁弹性。

被称为苏术礁假肢（SRP），人造礁被置于菲律宾普朗塔岛岛周围的珊瑚礁中。生物珊瑚的碎片被种植在它，并将成长并扩大，为鱼类和海洋生物提供杂交栖息地。

随后，配备有英特尔芯片和埃森哲的AI动力视频分析能力的水下摄像机，然后将在SRP附近的战略位置汇总，并在使用深度学习分类模型时计算和分类海洋生物。

但在此之前，埃森哲必须建立一个鱼类的数据集，以培训模型，因为该公司董事总经理和东南亚应用智能领导的李··何·塞松（Lee Joon Seong）据公开提供了这些数据集。

为此，它开发了一种能够检测在相机前移动的物体的计算机视觉算法。每次检测到足够大的物体时，将保存图像，发送到云存储库，随后与Sulubaa的科学家们一起注释。自2019年5月以来，埃森哲收集了67,000多种图像。

为了培训其深度学习分类模型，埃森哲使用了Tensorflow在Reset-101卷积神经网络上进行转移学习，并使用它构建的数据集丰富的公共数据集。

Lee表示，在实验室测试期间，该模型可以检测到精度约为93％的鱼。但是，正如普朗塔拿岛都位于一个偏远地点，他的团队面临了电力和互联网接入的问题，这阻碍了适当的准确性测试。

“准确性也取决于当天水的质量，我们需要收集进一步的图像并重新培训我们的深度学习分类模型，以提高准确性，”李先生告诉计算机。

来自埃森哲和英特尔的工程师已经在下一个原型上工作，它将具有优化的卷积神经网络和备用电源。红外摄像机也可用于在夜间捕获视频，以提供珊瑚生态系统的完整画面。

除了珊瑚礁健康的监测指标之外，埃森哲表示，该技术可用于跟踪热带鱼类迁移到较冷的气候，或监测受保护或受限制的水下区域的入侵。

李某要求它可以用于识别新的海洋物种和被认为已被灭绝或濒临灭绝的人，李说这一机会是苗条的。

“这不太可能是非常罕见的，我们很幸运能够在相机前面游泳，”他说。“但这不是不可能的 - 我们发现了罕见的海洋生物，如玳瑁龟。

“深度学习算法不太可能能够对它进行分类，但运动检测能力将充当”相机陷阱“，并允许科学家们一旦出现未认出的生物，就会审查图像。”