研究新股申购人员使用AI从声学数据中检测出鲱鱼群

时间：2023-04-08 浏览：40 分类：网络

盯梢水下物种的健康状况关于了解气候改变对海洋生态体系的影响至关重要。不幸的是，这是一个耗时的进程-生物学家运用回声测深仪进行研讨，并运用声纳来确认水和物体的深度，然后人工解说发生的二维回声图。这些解说一般简单犯错，而且需求像Echoview这样的贵重软件。

走运的是，来自加拿大维多利亚大学的一组研讨科学家正在开发一种机器学习办法，用于检测声学查询数据中的特定生物方针。他们在预印本(“根据深度学习的用于检测鲱鱼形像的校园的结构”)中说，他们的办法(在鲱鱼形像进步行了测验)能够明显进步环境监测的准确性。

该团队在2015年在不列颠哥伦比亚省温哥华岛邻近的Discovery Passage中布置了从向下看向水面布置的设备生成的100个降噪回声图的语料库上练习了AI模型。练习了70个回声图，运用了30个回声图保存用于测验。虽然大多数标明存在鲱鱼(如“强强度”中心，笔直细长形状和其他特征所证明)，但一切这些都经过了预处理，以去除不良信号，例如小鱼。

黑色区域被分类为布景，赤色区域被分类为鲱鱼群。在前两个样本(左边和中心)中，一切检测均正确，而在最右侧的回波图中未正确分类。

研讨人员陈述说，虽然过错地对一些样本进行了分类，但三种AI模型中体现最佳的仍是基准办法。不过，研讨小组表明，他们的体系(可扩展至浮游动物和鲑鱼等其他标准)可完成保证“有意义”检测的功能。

他们留给未来的作业来简化架构，使其更简单扩展到新的可检测类。

“咱们证明，即便运用较小的带注释的数据集，根据深度学习的解决方案也能够胜过传统的机器学习办法。咱们的有期望的结果标明，经过注释更多的数据，深度学习能够有效地应用于水下声学剖析中。”合著者写道。 “能够长期丈量此类目标的丰度，是研讨由气候改变相关现象引起的水温改变影响的强壮东西。”

他们并不是第一个将AI应用于生态学的人。微软最近要点介绍了一家坐落圣克鲁斯的草创公司-Conservation Metrics，该公司运用机器学习来盯梢非洲大草原象。别的，一组研讨人员开发了一种在Snapshot Serengeti上练习的机器学习算法，该算法能够以96.6%的准确性辨认，描绘和计数野生生物。英特尔的TrailGuard AI体系经过运用离线设备上AI算法检测嵌入式摄像机的运动来避免偷猎。昆士兰大学的科学家运用Google的TensorFlow机器学习结构来练习一种算法，该算法能够自动检测海洋图画中的海牛。