Il prossimoProssima guida
L’intelligenza artificiale nel monitoraggio della qualità dell’aria
Applicazioni
GUIDA alle applicazioni
L’intelligenza artificiale analizza immagini, video e dati dei sensori subacquei per monitorare la salute, lo sbiancamento e la biodiversità dei coralli su una scala che nessun team di immersioni umane potrebbe eguagliare.
Ascolta questa guidaNarrato dall'IA · ~2 min
It matters because reefs are collapsing fast and conservation decisions depend on timely, accurate data.
Le barriere coralline vengono rilevate con transetti fotografici, fotocamere trainate, veicoli sottomarini autonomi e persino satelliti, generando molte più immagini di quelle che gli scienziati possono etichettare manualmente. Le reti neurali convoluzionali e i moderni trasformatori di visione classificano la percentuale di coralli vivi, alghe, sabbia e macerie in ciascuna immagine, identificano i generi di corallo e rilevano lo sbiancamento individuando il tessuto bianco pallido che segnala lo stress. Strumenti come CoralNet automatizzano l'annotazione dei punti che una volta richiedevano settimane agli esperti. L’intelligenza artificiale fonde anche le foto della barriera corallina con la temperatura della superficie del mare derivata dal satellite per segnalare le barriere coralline a rischio imminente di sbiancamento. Il risultato è un monitoraggio più rapido, ripetibile e standardizzato che consente ai gestori di confrontare le barriere coralline nel corso degli anni e delle regioni, dare priorità al ripristino e misurare se gli interventi funzionano effettivamente.
CoralNet utilizza l'apprendimento automatico per annotare automaticamente le foto dei rilievi bentonici, stimando la copertura di coralli vivi da migliaia di immagini.
L’Allen Coral Atlas combina immagini satellitari e intelligenza artificiale per mappare le barriere coralline poco profonde a livello globale e rilevare eventi di sbiancamento.
Reef Check e programmi simili utilizzano l’analisi delle immagini assistita dall’intelligenza artificiale per aumentare i dati dei transetti di scienza dei cittadini.
Veicoli sottomarini autonomi sulla Grande Barriera Corallina utilizzano classificatori a bordo per identificare i tipi di coralli e le stelle marine corona di spine durante i sondaggi.
Aspettatevi un'inferenza in tempo reale a bordo del veicolo in cui AUV e ROV classificano le barriere coralline mentre nuotano, oltre a modelli di fotogrammetria 3D che tengono traccia della complessità strutturale nel tempo. I sensori acustici abbinati all’intelligenza artificiale valuteranno la salute della barriera corallina in base al suo paesaggio sonoro, e i modelli di base addestrati su milioni di immagini della barriera corallina dovrebbero ridurre la necessità di un’etichettatura specifica del sito. Una più stretta integrazione con le previsioni di allarme rapido sullo sbiancamento consentirà ai manager di agire prima della mortalità di massa, non solo di documentarla.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L’intelligenza artificiale analizza immagini, video e dati dei sensori subacquei per monitorare la salute, lo sbiancamento e la biodiversità dei coralli su una scala che nessun team di immersioni umane potrebbe eguagliare. È importante perché le barriere coralline stanno crollando rapidamente e le decisioni di conservazione dipendono da dati tempestivi e accurati.
Il corallo sbiancato espelle le sue colorate alghe simbiotiche, diventando bianche, quindi i rilevatori impostano uno spostamento verso un'elevata luminosità e una bassa saturazione del colore.
CoralNet automatizza l'annotazione dei punti delle immagini della barriera corallina che un tempo gli esperti facevano manualmente, stimando la copertura dei coralli da grandi set fotografici.
I sondaggi moderni generano enormi volumi di immagini, molto più di quanto gli scienziati possano classificare manualmente, quindi l’intelligenza artificiale ridimensiona l’analisi.
L’Allen Coral Atlas fonde le immagini satellitari con l’intelligenza artificiale per mappare le barriere coralline poco profonde in tutto il mondo e segnalare lo sbiancamento.
Le differenze nell'acqua, nella luce, nella profondità e nelle impostazioni della fotocamera fanno variare l'aspetto, quindi i modelli necessitano di dati diversi e correzione del colore per generalizzare.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L’intelligenza artificiale nel monitoraggio della qualità dell’aria
Applicazioni