Hunderte Meter unter der Meeresoberfläche, wo das Sonnenlicht in die Dunkelheit übergeht, beherbergen Korallenriffe eine bemerkenswerte Vielfalt an am Boden lebenden Arten. In diesen Tiefseeriffen leben unter anderem Hummer, Seespinnen, Krabben, Schlangensterne und Weichkorallen.
Die Riffe sind hart, aber zerbrechlich; Sie können leicht durch Netze beschädigt werden, die von industriellen Fischereischiffen über den Meeresboden gezogen werden. Wenn diese gefährdeten Meeresökosysteme einmal geschädigt sind, erholen sie sich nur langsam. Um zum Schutz der Tiefseekorallenriffe beizutragen, haben Kartierung und Überwachung für Wissenschaftler, Naturschützer und nachhaltige Fischerei eine hohe Priorität.
Die Beobachtung des Meeresbodens ist eine kostspielige und schwierige Herausforderung. Eine Lösung sind bildbasierte Umfragen. Dabei wird eine Kameraausrüstung hinter ein Schiff gezogen, um qualitativ hochwertige Bilder des Meeresbodens aufzunehmen. Dieser Teil ist einfach genug.
Doch dann müssen Wissenschaftler jedes Bild Bild für Bild überprüfen, um Merkmale des Meeresbodens zu identifizieren. Sie versuchen, etablierte Korallen von Dingen wie Korallenresten, Schutt anderer lebender Organismen, Sand, Kies und Gestein zu unterscheiden.
Einsatz von Deep Learning zur Unterstützung der Tiefseeüberwachung
Dieser zeit- und arbeitsintensive Prozess führt zu einem Engpass. Es schränkt die Menge der verfügbaren Daten ein, um Entscheidungen darüber zu treffen, welche Strategien zum Schutz von Tiefseekorallenriffen funktionieren.
Hier kommt künstliche Intelligenz (KI) ins Spiel. Unsere Forscher haben ein Deep-Learning-System entwickelt, das Bilder analysieren kann, um Tiefseekorallenriffe zu identifizieren und zu vermessen – und das in einem Bruchteil der Zeit, die ein Mensch dafür braucht.
Das System besteht aus einem vielschichtigen Netzwerk künstlicher Neuronen. Ziel ist es, das menschliche Gehirn nachzuahmen, indem es lernt, komplexe Muster in Daten zu erkennen.
„Das Deep-Learning-System ist unglaublich schnell und genau“, sagte Chris Jackett, einer der Autoren der Studie und Forschungswissenschaftler am CSIRO.
„Das endgültig trainierte Modell klassifizierte mehr als 2.300 Bilder in weniger als 20 Minuten – eine Aufgabe, die einen Menschen mehr als drei Monate dauern würde“, sagte er.
Es lernte, den Unterschied zwischen sechs Merkmalen des Meeresbodens – etablierte Korallen, Korallenschutt, Schutt anderer lebender Organismen, Sand oder Schlamm, Kiesel oder Kies und Felsen – mit einer Genauigkeit von 98,19 % zu erkennen. In manchen Fällen war die Leistung konstanter als bei einer Person.
Das Modell wurde anhand von Bildern trainiert, die unser RV Investigator während einer Reise vor der Südküste Tasmaniens im Jahr 2018 gesammelt hatte.
Unser Deep-Tow-Kamerasystem zeichnete kontinuierlich Videos auf und machte alle fünf Sekunden Fotos in Tiefen zwischen 600 und 1.800 Metern unter der Oberfläche.
Die Forscher überprüften manuell fast 6.000 Fotos, die dann zum Trainieren des Deep-Learning-Systems verwendet wurden. Der ursprüngliche Datensatz bestand aus gewaltigen 140.000 Datenpunkten oder „Snips“.
KI trainieren, um an den Fotobombern vorbeizuschauen
Wie sich herausstellte, waren die Daten zu „verrauscht“. Zu viele Schnipsel enthielten eine Mischung unterschiedlicher Merkmale, waren zu dunkel oder zu hell oder wurden von einheimischen Tieren wie Seesternen oder Seeigeln fotografiert.
Unsere Forscher machten sich an die Bereinigung der Daten und reduzierten sie auf etwa 70.000 Ausschnitte, die sauber genug waren, damit das Modell daraus lernen konnte. Sie experimentierten mit verschiedenen Methoden zum Trainieren des Modells und unterschiedlichen Netzwerkstrukturen, bis sie auf eine Kombination stießen, die eine Genauigkeit von 98,18 % erreichte.
Als das endgültige Deep-Learning-Modell an ungereinigten Daten getestet wurde, die es noch nie zuvor gesehen hatte, schnitt es mindestens genauso gut ab wie ein Mensch. Es war stets genau, selbst bei komplexen Bildern mit vielen Merkmalen, deren Klassifizierung für Menschen schwierig sein kann.
KI unterstützt unsere Forscher beim Schutz von Korallenriffen
Obwohl KI diesen Prozess drastisch beschleunigen kann, braucht die Forschung immer noch eine menschliche Note.
„Wir glauben, dass es die effizienteste Möglichkeit ist, dieses Deep-Learning-Modell auf neue Bilder anzuwenden, wenn man eine Person auf dem Laufenden hält“, sagte Chris. „Wenn das Modell unsicher ist, wie es etwas klassifizieren soll, kann eine Person eingreifen, um dem Modell beim Lernen zu helfen.“
KI kommt zur Rettung, um Tiefseekorallenriffe und andere fragile Ökosysteme zu schützen. In Zukunft könnte es von Tiefseefischereien – wie der neuseeländischen Deepwater Group – genutzt werden, um die Auswirkungen auf die Umwelt zu minimieren.
Es bietet großes Potenzial für die Bewältigung einer großen Herausforderung für den Schutz unserer Weltmeere.