Com as crescentes ameaças que o ambiente marinho enfrenta, os cientistas precisam desesperadamente de mais informações sobre o que habita o leito marinho, a fim de informar a conservação e a gestão da biodiversidade.

Veículos subaquáticos autônomos (AUV) montados com as mais recentes câmeras agora são capazes de coletar grandes quantidades de dados, mas um gargalo ainda é criado por seres humanos que precisam processá-lo.

Em um novo estudo publicado na Marine Ecology Progress Series , cientistas marinhos e especialistas em robótica testaram a eficácia de um sistema de visão computacional (CV) em potencialmente cumprir esse papel.

Eles mostraram, em média, cerca de 80% de precisão na identificação de vários animais em imagens do fundo do mar, mas podem ter até 93% de precisão para espécies específicas, se dados suficientes forem usados ​​para treinar o algoritmo.

Isso, segundo os cientistas, demonstra que o CV pode ser rotineiramente empregado para estudar animais marinhos e plantas e levar a um grande aumento na disponibilidade de dados para a pesquisa em conservação e o manejo da biodiversidade.

O estudante de doutorado Nils Piechaud, principal autor do estudo, disse: “Os veículos autônomos são uma ferramenta vital para o levantamento de grandes áreas do fundo do mar abaixo de 60m (a profundidade que a maioria dos mergulhadores pode alcançar). Mas atualmente não podemos analisar manualmente mais do que Esta pesquisa mostra que a IA é uma ferramenta promissora, mas o nosso classificador de IA ainda estaria errado uma em cada cinco vezes, se fosse usado para identificar animais em nossas imagens.

“Isso faz com que seja um passo importante para lidar com a enorme quantidade de dados que estão sendo gerados a partir do fundo do oceano, e mostra que pode ajudar a acelerar a análise quando usada para detectar algumas espécies. Mas não estamos no ponto de considerá-la adequada.” substituição completa para os humanos nesta fase “.

O estudo foi conduzido como parte do Deep Links, um projeto de pesquisa financiado pelo Natural Environment Research Council, e liderado pela Universidade de Plymouth, em colaboração com a Universidade de Oxford, British Geological Survey e Joint Nature Conservation Committee.

Um dos AUVs nacionais do Reino Unido – Autosub6000, implantado em maio de 2016 – coletou mais de 150.000 imagens em um único mergulho a cerca de 1200 m abaixo da superfície do oceano no lado nordeste do Rockall Bank, no nordeste do Atlântico. Cerca de 1.200 dessas imagens foram analisadas manualmente, contendo 40.000 indivíduos de 110 tipos diferentes de animais (morfoespécies), a maioria deles só viu um punhado de vezes.

Em seguida, os pesquisadores usaram o Tensorflow, uma biblioteca de acesso aberto do Google, para ensinar uma Rede Neural de Convolução (CNN) pré-treinada para identificar indivíduos de várias morfoespécies do fundo do mar encontradas nas imagens do AUV. Eles, então, avaliaram o desempenho da CNN quando treinados com diferentes números de exemplos de imagens de animais e diferentes números de morfoespécies para escolher.

A precisão da anotação manual por humanos pode variar de 50 a 95%, mas esse método é lento e até mesmo especialistas são muito inconsistentes ao longo do tempo e das equipes de pesquisa. Este método automatizado atingiu cerca de 80% de precisão, aproximando-se do desempenho dos seres humanos com uma clara vantagem de velocidade e consistência.

Isto é particularmente verdadeiro para algumas morfoespécies com as quais os algoritmos trabalham muito bem. Por exemplo, o modelo identifica corretamente um animal (um tipo de xenofóforo) 93% do tempo.

Embora o estudo não defenda a substituição da anotação manual, ela demonstra que os biólogos marinhos poderiam implementar a IA em tarefas específicas, se avaliassem com cuidado a confiabilidade de suas previsões. Isso aumentaria muito a capacidade dos cientistas de analisar seus dados.

Os pesquisadores dizem que a combinação do conhecimento ecológico especializado com a capacidade do AUV de alta tecnologia para pesquisar grandes áreas do leito do mar e a capacidade de processamento de dados da AI pode acelerar muito a exploração do oceano profundo e, com ele, nosso conhecimento ecossistemas.

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui