结合三维声学核心和卷积神经网络,量化物种对谷底生态系统的贡献

科学领域:

• 海洋生物学 海洋生物学
• 地质地质地质地质地质地
• 生态生态学 生态生态学

背景情况:

• 地无脊椎动物对于碳循环和生物地化学过程至关重要.
• 传统的采样方法具有破坏性,仅限于物种存在,而不是行为.
• 了解沉积物中的无脊椎动物活动对于生态系统研究至关重要.

研究的目的:

• 开发和验证一种非侵入性方法,用于在沉积物中可视化和识别盆地无脊椎动物.
• 为了评估3D声波系统的准确性,加上用于物种识别的深度学习.
• 为了能够量化特定物种对海洋生态系统的贡献.

主要方法:

• 开发一个基于实验室的三维 (3D) 声波芯系统.
• 无脊椎动物在沉积物内存在和活动的非侵入性成像.
• 训练3D卷积神经网络 (CNN),使用声学数据进行物种识别.
• 应用数据增强和校正技术来提高模型的准确性.

主要成果:

• 成功生成了3D声学图像,揭示了沉积物中的无脊椎动物位置.
• 在使用受过训练的CNN模型识别单个物种时,获得了88%的准确性.
• 证明了该系统能够提供详细的实地物种-沉积物相互作用数据的能力.

结论:

• 3D声波芯系统提供了一种有效的,非侵入性的方法来研究谷底动植物.
• 深度学习的整合增强了系统识别物种和理解它们生态作用的能力.
• 这项技术为量化个体物种对海洋生态系统的功能贡献开辟了新的途径.