使用DeepReefMap进行快速一致的珊瑚礁调查
Jonathan Sauder1,2, Guilhem Banc-Prandi3, Gabriela Perna3
1Environmental Computational Science and Earth Observation Laboratory, École Polytechnique Fédérale de Lausanne, Sion, Switzerland. jonathan.sauder@epfl.ch.
Scientific reports
|November 7, 2025
概括
创新的DeepReefMap技术使用人工智能驱动的3D绘图提供了高效,可扩展的珊瑚礁监测. 这种具有成本效益的解决方案通过快速分析水下视频数据,帮助全球珊瑚礁保护工作.
科学领域:
- 海洋生物学 海洋生物学
- 人工智能的人工智能
- 地理空间分析的研究.
背景情况:
- 在全球范围内,珊瑚礁面临着人类活动带来的严重威胁.
- 现有的监测策略往往缺乏效率,标准化,可扩展性和成本效益.
- 迫切需要创新的解决方案来监测珊瑚礁的健康和组成.
研究的目的:
- 引入和评估DeepReefMap,这是一个用于自动化珊瑚礁测量的新系统.
- 为了证明该系统对大规模跨国珊瑚礁监测的能力.
- 展示深度学习在珊瑚礁保护中的实用3D水下绘图方面的潜力.
主要方法:
- 开发DeepReefMap,利用神经网络进行视频截面的自动3D语义映射.
- 通过低成本摄像机的184个多小时的水下视频录像来训练系统.
- 创建一个全面的语义细分数据集,包含39个层类中的超过20万个注释多边形.
主要成果:
- 成功分析了来自吉布提,约旦和以色列45个地点的365个视频截图.
- 在不同的环境条件和视频质量中证明了DeepReefMap的稳定性.
- 一致地描述盆地成分,验证系统的监测潜力.
结论:
- DeepReefMap提供了一种高效,标准化和经济的珊瑚礁监测方法.
- 该系统开创了用于3D水下绘图和语义细分的实用深度学习应用程序.
- 这项技术提供了一个可扩展的解决方案,用于广泛部署在珊瑚礁保护和生态研究.
更多相关视频
13:35Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
Published on: June 13, 2025
1.3K
09:19Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging
Published on: April 18, 2025
1.4K
