AI活用システムは、記録的な速さでサンゴを3Dでマッピング

May, 14, 2024, Lausanne--EPFLで開発された人工知能(AI)システムは、カメラ映像からわずか数分でサンゴ礁の3Dマップを作成できる。これは、トランスナショナル・紅海センタ(TRSC)のような組織にとって、深海探査と保全の能力における大きな飛躍を示している。

サンゴは、アマチュアダイバーが撮影したきらめく魚の写真にカラフルな背景を提供することがよくある。しかし、生態学的重要性から、多くの科学者が注目している分野でもある。サンゴ(炭酸カルシウム外骨格を持つ海洋無脊椎動物)は、地球上で最も多様な生態系の一部であり、海面の0.1%未満しか覆っていないにもかかわらず、既知の海洋種のほぼ3分の1に避難所と生息地を提供している。その影響は、世界中の多くの国々の人間集団にも及ぶ。米国海洋大気庁の調査によると、世界中で最大5億人が食料安全保障と観光客の収入のためにサンゴ礁に依存している。しかし、世界のサンゴは、海水温の上昇と局所的な人為的汚染の脅威にさらされており、白化して死んでしまう。これに対応して、TRSCのような組織は、紅海で発見された、気候関連のストレスに独自の耐性を持つサンゴ種の秘密を解き明かすために、詳細な研究を行っている。
このEPFL主導の取り組みは、EPFLの建築・土木・環境工学部(ENAC)内の環境計算科学・地球観測研究所(ECEO)で開発されたAIシステム「DeepReefMap」の実験場となった。市販のカメラで撮影した水中画像から、わずか数分で数百メートルのサンゴ礁の3Dマップを作成することができる。また、特定の特徴や特徴を認識してサンゴを分類することもできる。「この新しいシステムを使えば、誰でも世界のサンゴ礁のマッピングに一役買うことができる」と、TRSCプロジェクトコーディネータのサSamuel Gardazは言う。「作業負荷、機器や物流の量、IT関連コストが削減され、この分野の研究に拍車がかかる」
この研究は、Methods in Ecology and Evolution誌に掲載された論文で詳述されている。

地元のダイバーは、泳ぎながらデータを簡単に取得できる
従来の方法で3Dサンゴ礁を取得することは容易ではない:コストがかかり、計算量の多い再構築は、非常に限られたサイズ(わずか数十メートル)のサンゴ礁の同じ部分の数百枚の画像に基づいており、多くの異なる基準点から撮られている。また、その作業には専門家の作業が必要になる。これらの要因は、必要な技術的専門知識が不足している国でのこれらの方法の適用を厳しく制限し、サンゴ礁の大部分(数百メートル、さらにはキロメートル)の監視を妨げている。

しかし、EPFLで開発されたAI搭載システムにより、アマチュアダイバーは標準的なダイビングギアと市販のカメラを装備し、サンゴ礁の上を数百メートルゆっくりと泳ぎ、映像を撮ることができる。唯一の制限は、カメラのバッテリー寿命とダイバーのタンク内の空気の量である。EPFLの研究者は、より広い範囲で画像を撮るために、1メートル間隔で前方に3台、後ろ向きに3台の計6台のカメラを収納し、1人で操作できるPVC構造を開発した。この装置は、限られた予算で運営されることが多い地元のダイビングチームに低コストのオプションを提供する。「生態系保全の世界における真の革命である」と、EPFLの生物地球化学研究所のポスドク研究員であり、TRSCの科学ディレクタGuilhem Banc-Prandiはコメントしている。

フッテージがアップロードされると、DeepReefMapが動作する。この迅速で機敏なシステムは、ディープニューラルネットワークがコンピュータビジョンアルゴリズムにとって最適ではないこれらの条件に適応することを学習するため、水中画像に典型的な貧弱な照明、回折、および苛性効果に問題はない。さらに、既存の3Dマッピングプログラムにはいくつかの欠点がある。これらは、正確な照明条件と高解像度の画像でのみ確実に機能する。「また、縮尺にも限界がある。個々のサンゴを識別できる解像度では、最大の3Dマップは長さが数メートルあり、膨大な処理時間が必要になる。DeepReefMapでは、ダイバーが水中にいられる時間だけに制限される」と、ECEOのDevis Tuia教授は説明している。

健康と形状によるサンゴの分類
研究者はまた、2つの特性に従ってサンゴを分類および定量化できるセマンティックセグメンテーションアルゴリズムを含めることで、フィールド生物学者の生活を楽にした:健康 – 非常にカラフル(健康を示唆する)から白(白化を示す)まで さらに藻類で覆われた(死を意味する) – また、国際的に認められたスケールを使用して、紅海の浅いサンゴ礁で最も一般的に見られるサンゴの種類を分類する形状(枝分かれ、 玉石、プレート、ソフト)。「われわれが目指したのは、この分野で働く科学者にとって有用であることが証明され、迅速かつ広範囲に展開できるシステムを開発することだった。例えば、ジブチには400kmの海岸線がある。われわれの方法は、高価なハードウェアを必要としない。必要なのは、基本的なグラフィックス処理ユニットを備えたコンピュータだけ。セマンティック セグメンテーションと 3D 再構成は、ビデオ再生と同じ速度で行われる」(Jonathan Sauder)。

サンゴ礁のデジタルツインに向けて
「このシステムは非常に簡単に導入できるため、サンゴ礁が時間の経過とともにどのように変化するかを監視して、優先的な保護地域を特定することができる。サンゴの個体数と健康状態に関する確かなデータを持つことは、時間的ダイナミクスを理解するための鍵となります」と、EPFLの生物地球化学研究所(LGB)のポスドクであるGuilhem Banc-Prandiはコメントしている。
この新しい3Dマッピング技術は、サンゴ礁種の多様性と豊かさ、集団遺伝学、サンゴの温暖化への適応可能性、サンゴ礁の局所的な汚染など、他のデータを追加するための出発点を科学者に提供し、最終的には本格的なデジタルツインの作成につながる可能性がある。DeepReefMapは、マングローブやその他の浅瀬の生息地でも同様に使用でき、より深い海洋生態系を探索するためのガイドとして機能する。「われわれのAIシステムに組み込まれた再構築機能は、他の環境でも簡単に活用できるが、新しい環境で種を分類するためにニューラルネットワークをトレーニングするには時間がかかる」とTuiaは話している。