Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Synergistic fusion of a multilevel visual transformer in CNN for variable-length volumetric radiographic data analysis and content-based retrieval.

Scientific reports·2026
Same author

Ultra-Low Intensity Continuous Wave Laser Ablation Propulsion With Graphene-Engineered Wood.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

AG-Vision: a dual-module approach for tomato leaf disease diagnosis.

Frontiers in plant science·2026
Same author

YOLOv8-PnP fusion architecture for non-contact robotic pollination: a 6D pose estimation approach for autonomous greenhouse operations.

Frontiers in plant science·2026
Same author

Fault-tolerant control of quadrotor unmanned aerial vehicle by using adaptive fuzzy T-S and linear matrix inversion approach.

Scientific reports·2026
Same author

Patch-level colorimetric quantification of coral bleaching for marine pollution monitoring using standardized CoralWatch references.

Marine pollution bulletin·2026

Video Experimental Relacionado

Updated: Feb 19, 2026

Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
13:35

Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring

Published on: June 13, 2025

1.5K

Coral-CRCA: Un algoritmo de automatización de cartas de referencia de color para la visualización y evaluación de la

Mahmoud Elmezain1, Atif Sultan1, Mobeen Ur Rehman2

  • 1Khalifa University Center for Autonomous Robotic Systems (KUCARS), Khalifa University, Abu Dhabi, United Arab Emirates.

Marine pollution bulletin
|February 17, 2026
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio presenta un sistema automatizado de IA para la evaluación del blanqueamiento de corales utilizando imágenes submarinas y cartas de colores. El algoritmo Coral-CRCA cuantifica con precisión los niveles de blanqueamiento, lo que ayuda a monitorear los ecosistemas marinos.

Palabras clave:
IA y visión por computadora para coralesAnálisis de blanqueamiento de coralesMonitoreo de coralesArrecifes de coralAutomatización de CoralWatchConservación ecológicaVisión por computadora submarina

Más Videos Relacionados

Multimodal Optical Microscopy Methods Reveal Polyp Tissue Morphology and Structure in Caribbean Reef Building Corals
10:39

Multimodal Optical Microscopy Methods Reveal Polyp Tissue Morphology and Structure in Caribbean Reef Building Corals

Published on: September 5, 2014

12.9K
Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging
09:19

Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging

Published on: April 18, 2025

1.5K

Videos de Experimentos Relacionados

Last Updated: Feb 19, 2026

Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
13:35

Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring

Published on: June 13, 2025

1.5K
Multimodal Optical Microscopy Methods Reveal Polyp Tissue Morphology and Structure in Caribbean Reef Building Corals
10:39

Multimodal Optical Microscopy Methods Reveal Polyp Tissue Morphology and Structure in Caribbean Reef Building Corals

Published on: September 5, 2014

12.9K
Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging
09:19

Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging

Published on: April 18, 2025

1.5K

Área de la Ciencia:

  • Biología Marina
  • Monitoreo de Ecosistemas
  • Inteligencia Artificial

Sus antecedentes:

  • Los arrecifes de coral son ecosistemas marinos vitales amenazados por el aumento de las temperaturas y la contaminación, lo que provoca un blanqueamiento generalizado.
  • Los métodos de monitoreo actuales requieren mucha mano de obra y luchan con la calidad de las imágenes submarinas.
  • Los enfoques de IA existentes carecen de localización detallada y automatización completa.

Objetivo del estudio:

  • Desarrollar un algoritmo totalmente automatizado para la evaluación del blanqueamiento de corales utilizando imágenes submarinas y cartas de referencia de color.
  • Mejorar la precisión y eficiencia del monitoreo de la salud de los arrecifes de coral.
  • Abordar las limitaciones de la anotación manual y el ruido de imagen en los métodos actuales.

Principales métodos:

  • Se propuso la Automatización de Cartas de Referencia de Color de Coral (Coral-CRCA), un algoritmo de múltiples etapas.
  • Se implementó la eliminación de ruido de imágenes para distorsiones submarinas.
  • Se automatizó la segmentación de corales, el análisis de cartas y la evaluación del blanqueamiento a nivel de píxel utilizando la similitud de color.

Principales resultados:

  • Se logró un error absoluto medio del 19,17% en la estimación del porcentaje de blanqueamiento.
  • Se alcanzó una precisión de clasificación binaria del 96,12% (blanqueado/sano).
  • Se demostró un rendimiento a nivel de experto en 3400 imágenes recolectadas en campo del Golfo Arábigo/Pérsico.

Conclusiones:

  • El algoritmo Coral-CRCA automatiza con éxito la evaluación del blanqueamiento de corales, igualando el rendimiento de los expertos.
  • Este enfoque impulsado por la IA mejora la robustez y la precisión del monitoreo de los arrecifes de coral degradados.
  • El sistema desarrollado ofrece una solución escalable para evaluar la salud de los corales a nivel mundial.