Глобальное сокращение популяций устриц
Мировые популяции устриц сократились более чем на 85% по сравнению с историческими уровнями. Исследователи ощущают настоятельную необходимость восстановления этих критически важных морских экосистем и мониторинга их состояния. Однако традиционные методы мониторинга устричных рифов часто включают деструктивный отбор проб и большой объём ручного труда.
Новая модель глубокого обучения
В новом исследовании, опубликованном в журнале [«Frontiers in Robotics and AI»](https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2025.1587033/full), рассматривается, может ли искусственный интеллект служить более безопасным и эффективным инструментом для мониторинга.
Модель ODYSSEE, обученная на основе глубокого обучения, была разработана для идентификации живых устриц на подводных изображениях. Исследователи использовали реальные и синтетически сгенерированные изображения и сравнили модель с экспертами и неспециалистами в области идентификации устриц, чтобы оценить её точность и скорость.
Результаты исследования
Результаты были неоднозначными. Хотя ODYSSEE значительно опередила людей по времени обработки (в среднем 39,6 секунды для аннотирования 150 изображений по сравнению с 2,3 часа у экспертов и 4,5 часа у неспециалистов), она отставала по точности. Модель искусственного интеллекта правильно идентифицировала живых устриц в 63% случаев по сравнению с 74% у экспертов и 75% у неспециалистов.
Исследователи обнаружили, что улучшение качества изображений повышает точность работы людей, но снижает точность работы модели.
Роль профессора Арта Трембаниса
Профессор Арт Трембанис из Колледжа Земли, океана и окружающей среды Университета Делавэра сыграл ключевую роль в сборе изображений и продвижении роботизированных систем, используемых в исследовании. Трембанис и команда использовали ручные и дистанционно управляемые транспортные средства для съёмки материалов с устричных рифов в Льюисе, штат Делавэр. Эта работа стала критически важной испытательной площадкой для оценки того, как искусственный интеллект может дополнить и, возможно, однажды оптимизировать традиционный мониторинг.
«Это не о замене человеческого опыта, — сказал Трембанис. — Речь идёт о расширении наших возможностей по мониторингу состояния рифов, особенно в чувствительных районах, где дноуглубительные работы просто невозможны. ODYSSEE показывает многообещающие результаты, но также подчёркивает, насколько сложной может быть идентификация устриц».
Сотрудничество университетов
Исследование является результатом сотрудничества между Университетом Делавэра, Университетом Мэриленда и Университетом Цинциннати и является частью более широкой инициативы по интеграции автономных роботизированных систем в аквакультуру.
Команда обучила модель ODYSSEE, используя сочетание реальных изображений устриц и синтетических данных, сгенерированных с помощью стабильной диффузии — техники, которая создаёт гиперреалистичные изображения на основе 3D-сканов, чтобы преодолеть разрыв между виртуальной и естественной средой.
Хотя текущая версия ODYSSEE имеет свои ограничения, исследователи оптимистично настроены относительно того, что точность модели в конечном итоге может сравняться или превысить точность работы человеческих аннотаторов.
«Это исследование открывает путь к неинвазивному масштабируемому мониторингу морских экосистем, — заключают авторы. — По мере улучшения моделей искусственного интеллекта они могут стать мощными союзниками в усилиях по восстановлению, особенно там, где время и доступ человека ограничены».
Предоставлено [Университетом Делавэра](https://phys.org/partners/university-of-delaware/)