Ученые из Университета Южной Калифорнии создали алгоритм машинного обучения, способный обнаруживать микротрещины в коралловых рифах. Технология выявляет повреждения, незаметные при визуальном осмотре. Анализируя фотографии колоний, система определяет участки с нарушенной структурой скелета на ранних стадиях деградации.
Нейросеть обучили на 40 тыс. снимков из Карибского бассейна и Тихого океана. Точность определения микроповреждений достигла 89% — алгоритм распознает трещины шириной от 0,2 мм, тогда как дайверы фиксируют разломы только от 2 мм. На анализ одного изображения уходит 3 с. против 15 мин. ручного осмотра. С такой скоростью можно обрабатывать тысячи снимков за день, что критично для масштабного мониторинга рифовых экосистем.
В основе разработки лежит архитектура сверточной нейронной сети ResNet-50. Она обрабатывает текстурные паттерны поверхности и выделяет аномалии в плотности карбоната кальция — основного строительного материала коралловых скелетов. Для обучения использовали снимки здоровых колоний и образцов с подтвержденной микроскопией деградацией, а алгоритм научился учитывать освещение, угол съемки и видовые особенности полипов.
Микротрещины — ранний маркер стресса, который проявляется за 6−8 месяцев до массовой гибели колонии от повышения температуры или закисления воды. Если у ученых получается своевременно обнаружить признаки отклонений, то они быстрее могут установить затеняющие конструкций, перенаправить поток туристов или создать так называемые временные охранные зоны. Команда протестировала технологию на рифах Большого Барьерного рифа, где нашла скрытые повреждения у 34% внешне здоровых кораллов. Эти данные передали управлению морского парка для корректировки программы мониторинга.
Дополнительно исследователи отмечают, что технология может использоваться не только для диагностики, но и для прогнозирования состояния рифов. На основе накопленных данных алгоритм будет выявлять зоны повышенного риска и предсказывать, какие участки с наибольшей вероятностью подвергнутся разрушению в ближайшие месяцы.
Сейчас разработчики адаптируют алгоритм для работы с видеопотоком от автономных подводных дронов. Благодаря интеграции получиться непрерывно сканировать большие акватории без участия водолазов. Параллельно команда расширяет базу обучающих данных, добавляя в систему снимки из Индийского океана и Красного моря, чтобы повысить точность распознавания для разных климатических зон.
Ранее мы писали о том, что скрывает гигантская дыра внутри океана.
Источник: hi-tech.mail.ru