DalšíDalší průvodce
AI v monitorování kvality ovzduší
Aplikace
PRŮVODCE aplikacemi
Umělá inteligence analyzuje podvodní snímky, video a data ze senzorů, aby mohla sledovat zdraví korálů, bělení a biologickou rozmanitost v měřítku, kterému se žádný lidský potápěčský tým nevyrovná.
Poslechněte si tento návodAI-vyprávěný · ~2 min
It matters because reefs are collapsing fast and conservation decisions depend on timely, accurate data.
Korálové útesy jsou zkoumány pomocí fotografických transektů, tažených kamer, autonomních podvodních vozidel a dokonce i satelitů, které generují mnohem více snímků, než vědci mohou ručně označit. Konvoluční neuronové sítě a moderní transformátory vidění klasifikují procento živých korálů, řas, písku a suti na každém snímku, identifikují rody korálů a detekují bělení tím, že si všimnou bledé bílé tkáně, která signalizuje stres. Nástroje jako CoralNet automatizují bodové anotace, které odborníkům kdysi zabraly týdny. Umělá inteligence také spojuje fotografie útesů s teplotou mořského povrchu odvozenou ze satelitu, aby označila útesy s bezprostředním rizikem vyblednutí. Výsledkem je rychlejší, opakovatelné a standardizované monitorování, které správcům umožňuje porovnávat útesy v různých letech a regionech, upřednostňovat obnovu a měřit, zda zásahy skutečně fungují.
CoralNet používá strojové učení k automatickému přidávání poznámek k fotografiím bentického průzkumu a odhaduje živý korálový pokryv z tisíců obrázků.
Allen Coral Atlas kombinuje satelitní snímky a umělou inteligenci k celosvětovému mapování mělkých útesů a zjišťování událostí bělení.
Reef Check a podobné programy používají analýzu obrazu za pomoci AI ke škálování dat transektů občanské vědy.
Autonomní podvodní vozidla na Velkém bariérovém útesu provozují na palubě klasifikátory k identifikaci typů korálů a hvězdic s trnovou korunou během průzkumů.
Očekávejte inferenci v reálném čase na vozidle, kde AUV a ROV klasifikují útesy při plavání, plus 3D fotogrammetrické modely, které sledují strukturální složitost v průběhu času. Akustické senzory spárované s umělou inteligencí budou měřit zdraví útesu podle jeho zvukové kulisy a modely základů trénované na milionech snímků útesů by měly snížit potřebu označování pro konkrétní místo. Těsnější integrace s prognózami včasného varování umožní manažerům jednat před masovou úmrtností, nejen ji dokumentovat.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Umělá inteligence analyzuje podvodní snímky, video a data ze senzorů, aby mohla sledovat zdraví korálů, bělení a biologickou rozmanitost v měřítku, kterému se žádný lidský potápěčský tým nevyrovná. Záleží na tom, protože útesy se rychle hroutí a rozhodnutí o ochraně závisí na včasných a přesných datech.
Bělený korál vypudí své barevné symbiotické řasy a změní barvu na bílou, takže detektory rozhodnou o přechodu na vysoký jas a nízkou sytost barev.
CoralNet automatizuje bodové anotace snímků útesů, které odborníci kdysi prováděli ručně, a odhadují pokrytí korálů z velkých sad fotografií.
Moderní průzkumy generují obrovské objemy snímků, mnohem více, než vědci mohou ručně klasifikovat, takže AI škáluje analýzu.
Allen Coral Atlas spojuje satelitní snímky s umělou inteligencí a mapuje mělké útesy po celém světě a bělení vlajky.
Rozdíly ve vodě, světle, hloubce a nastavení kamery způsobují, že se vzhled liší, takže modely potřebují různá data a korekce barev, aby bylo možné zobecnit.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
AI v monitorování kvality ovzduší
Aplikace