人工智能驱动的系统以创纪录的时间绘制珊瑚的3D地图

洛桑联邦理工学院开发的人工智能系统可以在短短几分钟内根据摄像机镜头生成珊瑚礁的3D地图。它标志着跨国红海中心(TRSC)等组织在深海勘探和保护能力方面的重大飞跃。

珊瑚常常为业余潜水员拍摄的闪闪发光的鱼类照片提供色彩缤纷的背景。但由于它们的生态重要性，它们也是许多科学家的主要关注点。

珊瑚——具有碳酸钙外骨骼的海洋无脊椎动物——是地球上最多样化的生态系统之一：尽管它们只占海洋表面的不到0.1%，但却为近三分之一的已知海洋物种提供了庇护所和栖息地。它们的影响也延伸到世界许多国家的人口。

根据美国国家海洋和大气管理局的研究，全球有多达5亿人依靠珊瑚礁来获得粮食安全和旅游收入。但世界上的珊瑚正受到海水温度上升和当地人为污染的威胁，导致珊瑚白化和死亡。

为此，TRSC等组织正在开展深入研究，努力解开红海珊瑚物种的秘密，这些珊瑚物种对气候相关压力具有独特的抵抗力。这项由EPFL主导的计划是DeepReefMap的测试场，DeepReefMap是由EPFL建筑、土木与环境工程学院(ENAC)内的环境计算科学和地球观测实验室(ECEO)开发的人工智能系统。

该系统可以在短短几分钟内根据商用相机拍摄的水下图像生成数百米的珊瑚礁3D地图。它还可以通过识别某些特征和特征来对珊瑚进行分类。

TRSC项目协调员SamuelGardaz表示：“有了这个新系统，任何人都可以参与绘制世界珊瑚礁地图。”“通过减少工作量、设备和物流数量以及IT相关成本，它将真正刺激该领域的研究。”今天发表在《生态学与进化方法》上的一篇论文详细介绍了这项研究。

当地潜水员可以在游泳时轻松捕获数据

使用传统方法获得3D珊瑚礁并不容易：成本高昂、计算密集型重建基于从许多不同参考点获取的尺寸非常有限(仅几十米)的珊瑚礁同一部分的数百张图像，并且需要专家的工作才能获得。

这些因素严重限制了这些方法在缺乏必要技术专业知识的国家的应用，并阻碍了对大片珊瑚礁(数百米，甚至公里)的监测。

但洛桑联邦理工学院开发的人工智能系统意味着业余潜水员现在可以收集数据：配备标准潜水装备和市售相机，他们可以在珊瑚礁上缓慢游动数百米，边走边拍摄镜头。唯一的限制是相机的电池寿命和潜水员气瓶中的空气量。

DeepReefMap中各种珊瑚礁场景3D重建的屏幕截图。图片来源：生态学和进化方法(2024)。DOI：10.1111/2041-210X.14307

为了捕捉更广泛区域的图像，洛桑联邦理工学院的研究人员开发了一种PVC结构，可容纳六个摄像头(三个朝前，三个朝后，相距一米)，可由一个人操作。该设备为当地潜水队提供了一种低成本的选择，因为当地的潜水队通常预算有限。

“生态系统保护领域的一场真正的革命，”洛桑联邦理工学院生物地球化学实验室博士后研究员兼TRSC科学主任吉扬·班克-普兰迪(GuilhemBanc-Prandi)说。

视频上传后，DeepReefMap就开始工作。这种快速、敏捷的系统不存在水下图像典型的不良照明、衍射和焦散效应的问题，因为深度神经网络学会适应这些条件，而这些条件对于计算机视觉算法来说不是最佳的。

现有的3D绘图程序有几个缺点。它们只有在精确的照明条件和高分辨率图像下才能可靠地工作。ECEO教授DevisTuia解释说：“在规模方面，它们也受到限制：在可以识别单个珊瑚的分辨率下，最大的3D地图有几米长，这需要大量的处理时间。”。“借助DeepReefMap，我们仅受潜水员在水下停留时间的限制。”

按健康和形状对珊瑚进行分类

研究人员还通过引入语义分割算法，使现场生物学家的生活变得更轻松，该算法可以根据两个特征对珊瑚进行分类和量化：健康状况——从色彩鲜艳(表示健康状况良好)到白色(表示白化)和被藻类覆盖(表示死亡)-和形状，使用国际公认的尺度对红海浅礁中最常见的珊瑚类型进行分类(分枝珊瑚、巨石珊瑚、板状珊瑚和软珊瑚)。

“我们的目标是开发一个系统，该系统将被证明对在该领域工作的科学家有用，并且可以快速、广泛地推广，”博士期间参与DeepReefMap开发的JonathanSauder说道。论文。

“例如，吉布提有400公里的海岸线。我们的方法不需要任何昂贵的硬件。只需要一台具有基本图形处理单元的计算机。语义分割和3D重建与视频播放的速度相同”。

走向珊瑚礁的数字孪生

洛桑联邦理工学院生物地球化学实验室(LGB)的博士后GuilhemBanc-Prandi表示：“该系统非常容易实施，我们将能够监测珊瑚礁随时间的变化情况，以确定优先保护区。”“掌握珊瑚丰度和健康状况的硬数据是了解时间动态的关键。”

新的3D绘图技术将为科学家提供添加其他数据的起点，例如珊瑚礁物种的多样性和丰富度、种群遗传学、珊瑚对温暖水域的适应潜力、珊瑚礁的局部污染，这一过程最终可能导致创建一个成熟的数字孪生。

DeepReefMap同样可以用于红树林和其他浅水栖息地，并作为探索更深海洋生态系统的指南。“我们的人工智能系统内置的重建功能可以很容易地应用于其他环境，尽管训练神经网络在新环境中对物种进行分类需要时间，”图亚说。