KI-gestütztes System kartiert Korallen in Rekordzeit in 3D

Ein an der EPFL entwickeltes künstliches Intelligenzsystem kann aus Kameraaufnahmen in nur wenigen Minuten 3D-Karten von Korallenriffen erstellen. Für Organisationen wie das Transnational Red Sea Centre (TRSC) stellt es einen großen Fortschritt in den Möglichkeiten der Tiefseeerkundung und -erhaltung dar.

Korallen bieten oft einen farbenfrohen Hintergrund für Fotos von schimmernden Fischen, die von Amateurtauchern aufgenommen wurden. Aufgrund ihrer ökologischen Bedeutung stehen sie aber auch im Mittelpunkt vieler Wissenschaftler.

Korallen – wirbellose Meerestiere mit Kalziumkarbonat-Exoskeletten – gehören zu den vielfältigsten Ökosystemen der Erde: Obwohl sie weniger als 0,1 % der Meeresoberfläche bedecken, bieten sie Schutz und Lebensraum für fast ein Drittel der bekannten Meeresarten. Ihre Auswirkungen erstrecken sich auch auf die menschliche Bevölkerung in vielen Ländern der Welt.

Nach Untersuchungen der US-amerikanischen National Oceanic and Atmospheric Administration sind bis zu einer halben Milliarde Menschen weltweit auf Korallenriffe angewiesen, um ihre Ernährung zu sichern und Touristeneinnahmen zu erzielen. Aber die Korallen auf der Welt sind durch steigende Meerestemperaturen und lokale anthropogene Verschmutzung bedroht, was dazu führt, dass sie ausbleichen und absterben.

Als Reaktion darauf führen Organisationen wie TRSC eingehende Studien durch, um die Geheimnisse der im Roten Meer vorkommenden Korallenarten zu entschlüsseln, die einzigartig resistent gegen klimabedingten Stress sind. Diese von der EPFL geleitete Initiative diente als Testgelände für DeepReefMap, ein KI-System, das am Environmental Computational Science and Earth Observation Laboratory (ECEO) der Fakultät für Architektur, Bau- und Umweltingenieurwesen (ENAC) der EPFL entwickelt wurde.

Das System kann aus Unterwasserbildern handelsüblicher Kameras in nur wenigen Minuten mehrere hundert Meter 3D-Karten von Korallenriffen erstellen. Es kann Korallen auch klassifizieren, indem es bestimmte Merkmale und Merkmale erkennt.

„Mit diesem neuen System kann jeder an der Kartierung der Korallenriffe der Welt mitwirken“, sagt TRSC-Projektkoordinator Samuel Gardaz. „Es wird die Forschung auf diesem Gebiet wirklich vorantreiben, indem es den Arbeitsaufwand, den Umfang der Ausrüstung und Logistik sowie die IT-bezogenen Kosten reduziert.“ Die Forschung ist detailliert in ein Papier heute veröffentlicht in Methoden in Ökologie und Evolution.

Lokale Taucher können beim Schwimmen problemlos Daten erfassen

Mit herkömmlichen Methoden ein 3D-Korallenriff zu erhalten, ist nicht einfach: Kostspielige, rechenintensive Rekonstruktionen basieren auf mehreren hundert Bildern desselben Riffabschnitts von sehr begrenzter Größe (nur ein paar Dutzend Meter), die von vielen verschiedenen Referenzpunkten aus aufgenommen wurden, und erfordern die Arbeit eines Spezialisten zu erhalten.

Diese Faktoren schränken die Anwendung dieser Methoden in Ländern, denen das erforderliche technische Fachwissen fehlt, erheblich ein und verhindern die Überwachung großer Riffabschnitte (Hunderte Meter oder sogar Kilometer).

Aber das an der EPFL entwickelte KI-gestützte System ermöglicht es nun auch Amateurtauchern, Daten zu sammeln: Ausgestattet mit Standard-Tauchausrüstung und einer handelsüblichen Kamera können sie mehrere hundert Meter langsam über einem Riff schwimmen und dabei Aufnahmen machen. Die einzigen Grenzen sind die Akkulaufzeit der Kamera und die Luftmenge in der Flasche des Tauchers.

Um Bilder über einen größeren Bereich aufzunehmen, entwickelten die EPFL-Forscher eine PVC-Struktur, die sechs Kameras beherbergt – drei nach vorne und drei nach hinten gerichtet, im Abstand von einem Meter –, die von einer einzelnen Person bedient werden können. Das Gerät bietet eine kostengünstige Option für lokale Tauchteams, die oft mit begrenzten Budgets arbeiten.

„Eine echte Revolution in der Welt des Ökosystemschutzes“, sagt Guilhem Banc-Prandi, Postdoktorand am Labor für biologische Geochemie der EPFL und wissenschaftlicher Direktor des TRSC.

Sobald das Filmmaterial hochgeladen wurde, macht sich DeepReefMap an die Arbeit. Dieses schnelle, agile System hat kein Problem mit den für Unterwasserbilder typischen schlechten Beleuchtungs-, Beugungs- und Ätzeffekten, da tiefe neuronale Netze lernen, sich an diese Bedingungen anzupassen, die für Computer-Vision-Algorithmen suboptimal sind.

Bestehende 3D-Mapping-Programme haben mehrere Nachteile. Nur bei präzisen Lichtverhältnissen und hochauflösenden Bildern funktionieren sie zuverlässig. „Sie sind auch hinsichtlich des Maßstabs begrenzt: Bei einer Auflösung, bei der einzelne Korallen identifiziert werden können, sind die größten 3D-Karten mehrere Meter lang, was eine enorme Verarbeitungszeit erfordert“, erklärt Devis Tuia, Professor am ECEO . „Mit DeepReefMap sind wir nur dadurch eingeschränkt, wie lange der Taucher unter Wasser bleiben kann.“

Kategorisierung von Korallen nach Gesundheit und Form

Die Forscher machten den Feldbiologen außerdem das Leben leichter, indem sie semantische Segmentierungsalgorithmen einbauten, die Korallen nach zwei Merkmalen klassifizieren und quantifizieren können: Gesundheit – von sehr bunt (was auf gute Gesundheit hindeutet) bis weiß (was auf Bleiche hinweist) und mit Algen bedeckt (was auf Tod hinweist). – und Form, wobei eine international anerkannte Skala zur Klassifizierung der Arten von Korallen verwendet wird, die am häufigsten in den flachen Riffen des Roten Meeres vorkommen (Verzweigungs-, Fels-, Platten- und Weichkorallen).

„Unser Ziel war es, ein System zu entwickeln, das sich für Wissenschaftler auf diesem Gebiet als nützlich erweisen würde und das schnell und umfassend eingeführt werden könnte“, sagt Jonathan Sauder, der im Rahmen seiner Doktorarbeit an der Entwicklung von DeepReefMap gearbeitet hat. These.

„Dschibuti zum Beispiel hat eine Küstenlinie von 400 km. Unsere Methode erfordert keine teure Hardware. Es genügt ein Computer mit einer grundlegenden Grafikverarbeitungseinheit. Die semantische Segmentierung und die 3D-Rekonstruktion erfolgen mit der gleichen Geschwindigkeit wie die Videowiedergabe.“ .“

Auf dem Weg zu einem digitalen Zwilling des Riffs

„Das System ist so einfach zu implementieren, dass wir überwachen können, wie sich Riffe im Laufe der Zeit verändern, um vorrangige Schutzgebiete zu identifizieren“, sagt Guilhem Banc-Prandi, Postdoktorand am Labor für Biologische Geochemie (LGB) der EPFL. „Belastbare Daten über die Häufigkeit und Gesundheit von Korallen sind der Schlüssel zum Verständnis der zeitlichen Dynamik.“

Die neue 3D-Kartierungstechnologie bietet Wissenschaftlern einen Ausgangspunkt für die Hinzufügung weiterer Daten wie Diversität und Reichtum der Riffarten, Populationsgenetik, Anpassungspotenzial von Korallen an wärmere Gewässer und lokale Verschmutzung in Riffen – ein Prozess, der schließlich zur Entstehung führen könnte eines vollwertigen digitalen Zwillings.

DeepReefMap könnte gleichermaßen in Mangroven und anderen Flachwasserlebensräumen eingesetzt werden und als Leitfaden für die Erkundung tiefer gelegener Meeresökosysteme dienen. „Die in unser KI-System eingebaute Rekonstruktionsfähigkeit könnte problemlos in anderen Umgebungen eingesetzt werden, obwohl es einige Zeit dauern wird, die neuronalen Netze zu trainieren, um Arten in neuen Umgebungen zu klassifizieren“, sagt Tuia.