刺机器人:一种开源模型,用于快速检测和分类息地修改的海刺物种

科学领域:

• 海洋生态海洋生态学
• 人工智能的人工智能
• 保护技术 保护技术

背景情况:

• 海过度放牧使海藻森林退化为"海荒地",导致澳大利亚和新西兰沿海地区的息地大幅丧失.
• 用于监测鱼种群的水下图像的手动注释是耗时的,阻碍了及时的保护和管理决策.

研究的目的:

• 开发和验证一种自动机器学习模型,用于从水下图像中检测和分类关键海鱼物种.
• 显著加快水下图像的处理,以进行大规模的生态评估.

主要方法:

• 来自澳大利亚和新西兰的水下图像数据集被创建用于训练物体检测模型.
• 机器学习模型"Urchinbot"被开发并优化,以在检测和分类三个特定的海物种时获得准确性和速度.
• 该模型在Squidle+平台上部署,用于实际应用.

主要成果:

• "Urchinbot"在检测海 (F1分数 = 0.879,mAP50 = 0.908) 和在<1%的混下区分物种方面取得了很高的准确性.
• 该模型处理水下图像的速度大约是手动注释的24倍.
• 在真实世界数据集上的验证证实了该模型的强大性能和实用性.

结论:

• "Urchinbot"模型为监测海种群及其对海藻森林的影响提供了准确,快速和实用的解决方案.
• 这种自动化方法加快了管理决策关于的过度放牧.
• 开发的模型是未来人工智能应用的基础,用于应对海洋生态系统的紧急环境挑战.