Ein künstliches Intelligenzsystem, das an der EPFL, der öffentlichen Forschungsuniversität in Lausanne, Schweiz, entwickelt wurde, soll in der Lage sein, selbst aus fragwürdig beleuchteten Videoaufnahmen von Amateurtauchern detaillierte 3D-Karten von Korallenriffen zu erstellen – und das in wenigen Minuten.
Die für das DeepReefMap-System erforderlichen Daten können von jedem erfasst werden, der über eine Standard-Tauchausrüstung und eine handelsübliche Kamera verfügt.
Sie müssen lediglich mehrere hundert Meter lang langsam über einem Riff schwimmen und dabei Videoaufnahmen von der Aussicht unten machen.
Die einzigen Grenzen seien die Akkulaufzeit der Kamera und die Luftmenge in der Flasche des Tauchers, sagt die EPFL und behauptet, dass die Entwicklung „einen großen Fortschritt in den Fähigkeiten der Tiefseeerkundung und -erhaltung für Organisationen wie das Transnational Red Sea Centre (TRSC)“ darstellt )“ – eine wissenschaftliche Forschungseinrichtung, die seit 2019 an der EPFL angesiedelt ist.
Das TRSC hat eingehende Studien zu den Korallenarten des Roten Meeres durchgeführt, die sich als am widerstandsfähigsten gegen klimabedingten Stress erwiesen haben, und seine Initiative diente auch als Testgelände für das DeepReefMap-System.
Karten in wenigen Augenblicken
DeepReefMap wurde im Environmental Computational Science & Earth Observation Laboratory (ECEO) der Fakultät für Architektur, Bau- und Umweltingenieurwesen (ENAC) der EPFL entwickelt und soll in der Lage sein, in wenigen Augenblicken mehrere hundert Meter 3D-Riffkarten zu erstellen.
Darüber hinaus kann es die Besonderheiten und Eigenschaften der Korallen erkennen und klassifizieren
„Mit diesem neuen System kann jeder an der Kartierung der Korallenriffe der Welt mitwirken“, sagt TRSC-Projektkoordinator Samuel Gardaz. „Es wird die Forschung in diesem Bereich wirklich vorantreiben, indem es den Arbeitsaufwand, den Umfang der Ausrüstung und Logistik sowie die IT-bezogenen Kosten reduziert.“
Die Erstellung von 3D-Korallenriffkarten mit herkömmlichen Methoden habe sich in der Vergangenheit als schwierig und teuer erwiesen, sagt die EPFL.
Rechenintensive Rekonstruktionen basieren auf mehreren hundert Bildern desselben Riffabschnitts von sehr begrenzter Größe (einige Dutzend Meter), die von vielen verschiedenen Referenzpunkten aus aufgenommen wurden, und nur spezialisierte Taucher waren in der Lage, solche Bilder zu erhalten.
Diese Faktoren haben die Erfassung von Korallenriffen in Teilen der Welt, in denen es an der notwendigen technischen Fachkenntnis mangelt, stark eingeschränkt und die Überwachung ausgedehnter Riffe, die sich über Kilometer oder sogar Hunderte von Metern erstrecken, erschwert.
Sechs-Kamera-Array
Während Amateurtaucher für DeepReefMap problemlos Daten zu kleinen Riffen erfassen können, haben die EPFL-Forscher eine PVC-Struktur entwickelt, die sechs Kameras enthält – drei nach vorne und drei nach hinten gerichtet, um Daten über einen größeren Bereich zu erhalten. Die Kameras sind 1 m voneinander entfernt und der Aufbau wird immer noch von einem einzelnen Taucher bedient.
Dieses aus sechs Kameras bestehende Array soll eine kostengünstige Option für lokale Tauchteams bieten, die über ein begrenztes Budget verfügen.
Sobald das Filmmaterial hochgeladen ist, soll DeepReefMap kein Problem mit schlechter Beleuchtung oder den bei Unterwasserbildern häufig auftretenden Beugungs- und Ätzeffekten haben.
„Tiefe neuronale Netze lernen, sich an diese Bedingungen anzupassen, die für Computer-Vision-Algorithmen nicht optimal sind.“
Bestehende 3D-Kartierungsprogramme funktionieren nur unter präzisen Lichtverhältnissen und mit hochauflösenden Bildern zuverlässig und sind „auch hinsichtlich der Skalierung begrenzt“, so ECEO-Professor Devis Tuia.
„Bei einer Auflösung, bei der einzelne Korallen identifiziert werden können, sind die größten 3D-Karten mehrere Meter lang, was eine enorme Verarbeitungszeit erfordert“, sagt er. „Mit DeepReefMap sind wir nur dadurch eingeschränkt, wie lange der Taucher unter Wasser bleiben kann.“
Gesundheit und Form
Die Forscher behaupten auch, den Feldbiologen das Leben erleichtert zu haben, indem sie „semantische Segmentierungsalgorithmen“ eingebaut haben, die Korallen anhand von zwei Merkmalen klassifizieren und quantifizieren können.
Das erste Merkmal ist die Gesundheit – von sehr bunt (was auf eine gute Gesundheit hindeutet) bis weiß (was auf Bleiche hinweist) und mit Algen bedeckt (was den Tod anzeigt) – und das zweite ist die Form, wobei eine international anerkannte Skala zur Klassifizierung der am häufigsten vorkommenden Korallenarten verwendet wird in den flachen Riffen des Roten Meeres (verzweigt, Fels, Platte und weich).
„Unser Ziel war es, ein System zu entwickeln, das sich für Wissenschaftler auf diesem Gebiet als nützlich erweisen würde und das schnell und umfassend eingeführt werden kann“, sagt Jonathan Sauder, der im Rahmen seiner Doktorarbeit an der Entwicklung von DeepReefMap gearbeitet hat.
„Dschibuti zum Beispiel hat eine 400 Kilometer lange Küste. Unsere Methode erfordert keine teure Hardware. Alles, was Sie brauchen, ist ein Computer mit einer einfachen Grafikverarbeitungseinheit. Die semantische Segmentierung und 3D-Rekonstruktion erfolgen im gleichen Tempo wie die Videowiedergabe.“
Die Forscher glauben, dass es mithilfe der Technologie einfacher werden wird, zu überwachen, wie sich Riffe im Laufe der Zeit verändern, um vorrangige Schutzgebiete zu identifizieren.
Es wird Wissenschaftlern auch einen Ausgangspunkt für die Hinzufügung weiterer Daten bieten, etwa zur Diversität und dem Reichtum der Riffarten, zur Populationsgenetik, zum Anpassungspotenzial von Korallen an wärmere Gewässer und zur lokalen Verschmutzung in Riffen. Dieser Prozess könnte schließlich zur Schaffung eines vollständigen digitalen Zwillings eines Riffs führen.
DeepReefMap könnte auch in Mangroven und anderen Flachwasserlebensräumen eingesetzt werden und als Leitfaden für die Erkundung tiefer gelegener Meeresökosysteme dienen, sagt die EPFL.
„Die in unser KI-System eingebaute Rekonstruktionsfähigkeit könnte problemlos in anderen Umgebungen eingesetzt werden, obwohl es einige Zeit dauern wird, die neuronalen Netze zu trainieren, um Arten in neuen Umgebungen zu klassifizieren“, sagt Tuia.
Schiffswrackkartierung?
„Ich erwarte keine baldige kommerzielle Nutzung (sowohl im Sinne der Nutzung beim kommerziellen Tauchen als auch im Sinne des Verkaufs eines Produkts),“ sagte Jonathan Sauder Divernet. „Die Methode wird höchstwahrscheinlich weiterhin weiterentwickelt, benutzerfreundlichere Open-Source-Versionen folgen in Kürze.
„3D-Vision ist ein heißes Feld in der maschinellen Lern-/Robotikforschung. Die Dinge entwickeln sich extrem schnell und ich gehe davon aus, dass Echtzeit-Mapping in den nächsten Jahren seinen „ChatGPT-Moment“ erleben wird, mit einer plötzlichen weit verbreiteten Verfügbarkeit sehr starker Algorithmen, vorangetrieben von großen Unternehmen mit scheinbar unendlichen Forschungs- und Entwicklungsbudgets, aber wir werden es tun sehen!"
Könnte das System für die 3D-Kartierung von Schiffswracks angepasst werden? „Das 3D-Mapping ist ein erlernter Algorithmus – das heißt, es lernt aus einer Reihe von Trainingsvideos.
In unserem Szenario trainieren wir das Kartierungssystem anhand von Riffvideos. Ich vermute im Moment, dass es bei Schiffswracks einigermaßen funktionieren würde, könnte aber viel besser funktionieren, wenn man es mit großen Mengen an Videos aus solchen Szenen trainiert.
„Im Moment gehe ich davon aus, dass die beste Methode, um coole 3D-Rekonstruktionen von Schiffswracks zu erhalten, immer noch ein herkömmlicher 3D-Mapping-Workflow ist, bei dem viele hochauflösende Fotos aufgenommen und die Kamerapositionen mit einer Structure-from-Motion-Software wie Agisoft Metashape berechnet werden COLMAP, und diese dann möglicherweise schön als Gaußschen Splat darstellen.“
Kürzlich wurde in der Zeitschrift ein Artikel über die Riffkartierungsforschung veröffentlicht Methoden in Ökologie und Evolution.
Auch auf Divernet: Die Korallenriffe der Welt sind größer als wir dachten ..., 10 Wege, wie Technologie Korallen rettet, Das tiefe Korallenriff ist das größte bekannte der Welt, Karten aus dem 18. Jahrhundert zeigen den Verlust von Korallen
