Ένα σύστημα τεχνητής νοημοσύνης που αναπτύχθηκε στο EPFL, το δημόσιο ερευνητικό πανεπιστήμιο στη Λωζάνη της Ελβετίας, λέγεται ότι μπορεί να παράγει λεπτομερείς τρισδιάστατους χάρτες κοραλλιογενών υφάλων ακόμη και από βίντεο ερασιτεχνών δυτών με αμφισβήτηση φωτισμού – μέσα σε λίγα λεπτά.
Τα δεδομένα που απαιτούνται για το σύστημα DeepReefMap μπορούν να συλλεχθούν από οποιονδήποτε διαθέτει τυπικό καταδυτικό εξοπλισμό και κάμερα που διατίθεται στο εμπόριο.
Το μόνο που έχουν να κάνουν είναι να κολυμπήσουν αργά πάνω από έναν ύφαλο για αρκετές εκατοντάδες μέτρα, τραβώντας βίντεο από τη θέα από κάτω καθώς προχωρούν.
Τα μόνα όρια είναι η διάρκεια ζωής της μπαταρίας της κάμερας και η ποσότητα αέρα στη δεξαμενή του δύτη, λέει η EPFL, υποστηρίζοντας ότι η ανάπτυξη σηματοδοτεί «ένα σημαντικό άλμα προς τα εμπρός στην εξερεύνηση βαθέων υδάτων και τις δυνατότητες διατήρησης για οργανισμούς όπως το Transnational Red Sea Center (TRSC )” – ένας επιστημονικός ερευνητικός φορέας που φιλοξενείται από το EPFL από το 2019.
Το TRSC διεξήγαγε σε βάθος μελέτες σε εκείνα τα είδη κοραλλιών της Ερυθράς Θάλασσας που έχουν αποδειχθεί πιο ανθεκτικά στο στρες που σχετίζεται με το κλίμα, με την πρωτοβουλία του να χρησιμεύει επίσης ως πεδίο δοκιμών για το σύστημα DeepReefMap.
Χάρτες σε στιγμές
Αναπτύχθηκε στο Εργαστήριο Περιβαλλοντικής Υπολογιστικής Επιστήμης και Παρατήρησης της Γης (ECEO) στη Σχολή Αρχιτεκτονικής, Πολιτικής & Περιβαλλοντικής Μηχανικής (ENAC) του EPFL, το DeepReefMap λέγεται ότι έχει τη δύναμη να παράγει αρκετές εκατοντάδες μέτρα τρισδιάστατων χαρτών υφάλων σε λίγα λεπτά.
Όχι μόνο αυτό, αλλά μπορεί επίσης να αναγνωρίσει τα ιδιαίτερα χαρακτηριστικά και τα χαρακτηριστικά των κοραλλιών και να τα ταξινομήσει
«Με αυτό το νέο σύστημα, ο καθένας μπορεί να παίξει ρόλο στη χαρτογράφηση των κοραλλιογενών υφάλων του κόσμου», λέει ο συντονιστής έργων TRSC Samuel Gardaz. «Θα τονώσει πραγματικά την έρευνα σε αυτόν τον τομέα μειώνοντας τον φόρτο εργασίας, τον όγκο του εξοπλισμού και της επιμελητείας και το κόστος που σχετίζεται με την πληροφορική».
Η απόκτηση τρισδιάστατων χαρτών κοραλλιογενών υφάλων με χρήση συμβατικών μεθόδων έχει αποδειχθεί προκλητική και δαπανηρή στο παρελθόν, λέει η EPFL.
Οι υπολογιστικά εντατικές ανακατασκευές βασίζονται σε αρκετές εκατοντάδες εικόνες του ίδιου τμήματος υφάλου πολύ περιορισμένου μεγέθους (μερικών δεκάδων μέτρων) που λαμβάνονται από πολλά διαφορετικά σημεία αναφοράς και μόνο ειδικοί δύτες μπόρεσαν να λάβουν τέτοιες εικόνες.
Αυτοί οι παράγοντες έχουν περιορίσει σοβαρά τη χάραξη κοραλλιογενών υφάλων σε μέρη του κόσμου που δεν διαθέτουν την απαραίτητη τεχνική τεχνογνωσία και έχουν αποθαρρύνει την παρακολούθηση εκτεταμένων υφάλων που καλύπτουν χιλιόμετρα ή ακόμα και εκατοντάδες μέτρα.
Συστοιχία έξι καμερών
Ενώ τα δεδομένα για μικρούς υφάλους μπορούν να συλληφθούν εύκολα για το DeepReefMap από ερασιτέχνες δύτες, για να λάβουν δεδομένα σε μια ευρύτερη περιοχή, οι ερευνητές του EPFL ανέπτυξαν μια δομή PVC που κρατά έξι κάμερες - τρεις στραμμένες προς τα εμπρός και τρεις προς τα πίσω. Οι κάμερες απέχουν 1 m μεταξύ τους και η εγκατάσταση εξακολουθεί να λειτουργεί από έναν μόνο δύτη.
Αυτή η συστοιχία έξι καμερών λέγεται ότι προσφέρει μια επιλογή χαμηλού κόστους για τοπικές ομάδες καταδύσεων που λειτουργούν με περιορισμένους προϋπολογισμούς.
Μετά τη μεταφόρτωση του πλάνα, το DeepReefMap λέγεται ότι δεν έχει πρόβλημα με τον κακό φωτισμό ή τα φαινόμενα περίθλασης και καυστικών που συναντώνται συχνά σε υποβρύχιες εικόνες.
«Τα βαθιά νευρωνικά δίκτυα μαθαίνουν να προσαρμόζονται σε αυτές τις συνθήκες, οι οποίες δεν είναι βέλτιστες για αλγόριθμους υπολογιστικής όρασης».
Τα υπάρχοντα προγράμματα τρισδιάστατης χαρτογράφησης λειτουργούν αξιόπιστα μόνο υπό ακριβείς συνθήκες φωτισμού και με εικόνες υψηλής ανάλυσης και είναι «επίσης περιορισμένα όσον αφορά την κλίμακα», σύμφωνα με τον καθηγητή ECEO Devis Tuia.
«Σε μια ανάλυση όπου μπορούν να εντοπιστούν μεμονωμένα κοράλλια, οι μεγαλύτεροι τρισδιάστατοι χάρτες έχουν μήκος αρκετά μέτρα, κάτι που απαιτεί τεράστιο χρόνο επεξεργασίας», λέει. "Με το DeepReefMap, περιοριζόμαστε μόνο από το πόσο καιρό μπορεί να μείνει ο δύτης κάτω από το νερό."
Υγεία και σχήμα
Οι ερευνητές ισχυρίζονται επίσης ότι έκαναν τη ζωή πιο εύκολη για τους βιολόγους πεδίου, συμπεριλαμβάνοντας «αλγόριθμους σημασιολογικής κατάτμησης» που μπορούν να ταξινομήσουν και να ποσοτικοποιήσουν τα κοράλλια σύμφωνα με δύο χαρακτηριστικά.
Το πρώτο χαρακτηριστικό είναι η υγεία – από πολύχρωμο (υποδηλώνει καλή υγεία) έως λευκό (ενδεικτικό λεύκανσης) και καλυμμένο με φύκια (που υποδηλώνει θάνατο) – και το δεύτερο είναι το σχήμα, χρησιμοποιώντας μια διεθνώς αναγνωρισμένη κλίμακα για την ταξινόμηση των τύπων κοραλλιών που βρίσκονται πιο συχνά στους ρηχούς υφάλους της Ερυθράς Θάλασσας (διακλαδώσεις, ογκόλιθοι, πλάκες και μαλακοί).
«Στόχος μας ήταν να αναπτύξουμε ένα σύστημα που θα αποδεικνυόταν χρήσιμο για τους επιστήμονες που εργάζονται στον τομέα και το οποίο θα μπορούσε να αναπτυχθεί γρήγορα και ευρέως», λέει ο Jonathan Sauder, ο οποίος εργάστηκε στην ανάπτυξη του DeepReefMap για τη διδακτορική του διατριβή.
«Το Τζιμπουτί, για παράδειγμα, έχει 400 χιλιόμετρα ακτογραμμής. Η μέθοδός μας δεν απαιτεί ακριβό υλικό. Το μόνο που χρειάζεται είναι ένας υπολογιστής με μια βασική μονάδα επεξεργασίας γραφικών. Η σημασιολογική τμηματοποίηση και η τρισδιάστατη ανακατασκευή γίνονται με την ίδια ταχύτητα με την αναπαραγωγή βίντεο."
Οι ερευνητές πιστεύουν ότι με τη χρήση της τεχνολογίας θα γίνει εύκολο να παρακολουθήσουμε πώς αλλάζουν οι ύφαλοι με την πάροδο του χρόνου, για να προσδιορίσουμε τις περιοχές διατήρησης προτεραιότητας.
Θα δώσει επίσης στους επιστήμονες ένα σημείο εκκίνησης για την προσθήκη άλλων δεδομένων, όπως η ποικιλομορφία και ο πλούτος των ειδών των υφάλων, η γενετική του πληθυσμού, η δυνατότητα προσαρμογής των κοραλλιών στα θερμότερα νερά και η τοπική ρύπανση στους υφάλους. Αυτή η διαδικασία θα μπορούσε τελικά να οδηγήσει στη δημιουργία ενός πλήρους ψηφιακού δίδυμου υφάλου.
Το DeepReefMap θα μπορούσε επίσης να χρησιμοποιηθεί σε μαγγρόβια και άλλα ενδιαιτήματα με ρηχά νερά και να χρησιμεύσει ως οδηγός για την εξερεύνηση βαθύτερων θαλάσσιων οικοσυστημάτων, λέει η EPFL.
«Η δυνατότητα ανακατασκευής που είναι ενσωματωμένη στο σύστημά μας AI θα μπορούσε εύκολα να χρησιμοποιηθεί σε άλλες ρυθμίσεις, αν και θα χρειαστεί χρόνος για την εκπαίδευση των νευρωνικών δικτύων για την ταξινόμηση των ειδών σε νέα περιβάλλοντα», λέει ο Tuia.
Ναυάγιο-χαρτογράφηση;
«Δεν περιμένω εμπορική χρήση (τόσο με την έννοια της χρήσης σε εμπορικές καταδύσεις, όσο και με την πώληση ενός προϊόντος) σύντομα», είπε ο Jonathan Sauder Divernet. «Η μέθοδος πιθανότατα θα παραμείνει υπό ανάπτυξη, με πιο φιλικές προς το χρήστη εκδόσεις ανοιχτού κώδικα να έρχονται σύντομα.
«Η όραση 3D είναι ένα καυτό πεδίο στη μηχανική μάθηση / έρευνα ρομποτικής. Τα πράγματα προχωρούν εξαιρετικά γρήγορα και αναμένω ότι η χαρτογράφηση σε πραγματικό χρόνο θα έχει τη «στιγμή ChatGPT» της μέσα στα επόμενα χρόνια, με μια ξαφνική ευρεία διαθεσιμότητα πολύ ισχυρών αλγορίθμων, που οδηγούνται από μεγάλες εταιρείες με φαινομενικά άπειρους προϋπολογισμούς έρευνας και μηχανικής, αλλά θα βλέπω!"
Θα μπορούσε το σύστημα να προσαρμοστεί για τρισδιάστατη χαρτογράφηση ναυαγίων; «Η τρισδιάστατη χαρτογράφηση είναι ένας μαθημένος αλγόριθμος – που σημαίνει ότι μαθαίνει από ένα σύνολο εκπαιδευτικών βίντεο.
Στο σενάριο μας, εκπαιδεύουμε το σύστημα χαρτογράφησης σε βίντεο υφάλων. Υποψιάζομαι ότι αυτή τη στιγμή θα λειτουργούσε εντάξει σε ναυάγια, αλλά θα μπορούσε να λειτουργήσει πολύ καλύτερα εάν εκπαιδευόταν σε μεγάλους όγκους βίντεο από τέτοιες σκηνές.
«Προς το παρόν, θα περίμενα ότι η καλύτερη μέθοδος για τη λήψη δροσερών τρισδιάστατων ανακατασκευών ναυαγίων θα είναι ακόμα μια συμβατική ροή εργασιών τρισδιάστατης χαρτογράφησης για τη λήψη πολλών φωτογραφιών υψηλής ανάλυσης, τον υπολογισμό των στάσεων της κάμερας με ένα λογισμικό Structure-from-Motion όπως το Agisoft Metashape ή COLMAP και, στη συνέχεια, πιθανώς να αποδοθούν όμορφα ως Gaussian Splat.
Μια εργασία σχετικά με την έρευνα χαρτογράφησης υφάλων δημοσιεύθηκε πρόσφατα στο περιοδικό Μέθοδοι στην Οικολογία και την Εξέλιξη.
Επίσης στο Divernet: Οι κοραλλιογενείς ύφαλοι του κόσμου είναι μεγαλύτεροι από όσο πιστεύαμε…, 10 τρόποι με τους οποίους η τεχνολογία σώζει τα κοράλλια, Ο βαθύς κοραλλιογενής ύφαλος είναι ο μεγαλύτερος γνωστός στον κόσμο, Οι χάρτες του 18ου αιώνα αποκαλύπτουν την απώλεια κοραλλιών
