研究人員使用AI從聲學數據中檢測出鯡魚群

很多文章的報道都是由微觀而宏觀，今日小編講給大家帶來的關于研究人員使用AI從聲學數據中檢測出鯡魚群的資訊也不例外，希翼可以在一定的程度上開闊你們的視野！y有對研究人員使用AI從聲學數據中檢測出鯡魚群這篇文章感興趣的小伙伴可以一起來看看
跟蹤水下物種的健康狀況對于了解氣候變化對海洋生態系統的影響至關重要。不幸的是，這是一個耗時的過程-生物學家使用回聲測深儀進行研究，并使用聲納來確定水和物體深度，然后人工解釋所產生的二維回聲圖。這些解釋通常容易出錯，并且需要像Echoview這樣的昂貴軟件。

幸運的是，來自加拿大維多利亞大學的一組研究科學家正在開辟一種機器學習方法，用于檢測聲學調查數據中的特定生物目標。他們在預印本論文(“基于深度學習的用于檢測鯡魚中鯡魚的學校的框架”)中說，他們的方法(在鯡魚學校中進行了測試)可以顯著提高環境監測的準確性。
該團隊在2015年在不列顛哥倫比亞省溫哥華島附近的Discovery Passage中部署了從向下看向水面部署的設備生成的100個降噪回聲圖的語料庫上訓練了AI模型。訓練了70個回聲圖，使用了30個回聲圖保留用于測試。盡管大多數表明存在鯡魚(如“強強度”核心，垂直細長形狀和其他特征所證明)，但所有這些都經過了預處理，以去除不良信號，例如小魚。
研究人員報告說，盡管錯誤地對一些樣本進行了分類，但三種AI模型中表現最佳的還是基準方法。不過，研究小組表示，他們的系統(可擴展至浮游動物和鮭魚等其他規格)可實現確保“故意義”檢測的性能。
【研究人員使用AI從聲學數據中檢測出鯡魚群】他們留給未來的工作來簡化架構，使其更容易擴展到新的可檢測類。
“我們證明，即使使用較小的帶注釋的數據集，基于深度學習的解決方案也可以勝過傳統的機器學習方法。我們的有希翼的結果表明，通過注釋更多的數據，深度學習可以有效地應用于水下聲學分析中。”合著者寫道。“能夠長時間測量此類對象的豐度，是研究由氣候變化相關現象引起的水溫變化影響的強大工具。”
他們并不是第一個將AI應用于生態學的人。微軟最近重點介紹了一家位于圣克魯斯的初創公司-Conservation Metrics-該公司利用機器學習來追蹤非洲大草原象。另外，一組研究人員開辟了一種在Snapshot Serengeti上訓練的機器學習算法，該算法可以以96.6%的準確性識別，描述和計數野生生物。英特爾的TrailGuard AI系統通過使用離線設備上AI算法檢測嵌入式攝像機的運動來防止偷獵。昆士蘭大學的科學家使用Google的TensorFlow機器學習框架來訓練一種算法，該算法可以自動檢測海洋圖像中的海牛。

研究人員使用AI從聲學數據中檢測出鯡魚群

猜你喜歡