人工智能可以帮助创建一个最大的海底的3 d地图
由布莱尔桑顿博士领导的最近的一次探险,在南安普顿大学的助理教授和工业科学研究所,东京大学,演示了如何使用自主机器人和人工智能在海上可以大大加快勘探和研究难以到达深海生态系统,像间歇性活跃甲烷渗漏。由于海上快速高通量数据分析,可以识别水合物脊生物热点地区俄勒冈州海岸的足够迅速地调查和样本,后几天内自治水下机器人(AUV)成像调查。团队在研究船菲克使用省人工智能的一种形式,无监督聚类,分析海底AUV-acquired图片和确认更详细的目标地区摄影AUV调查和集中互动热点和ROV SuBastian抽样。
这个项目演示了如何现代数据科学可以大大提高效率的传统研究在海上,和提高生产率的交互式海底勘探太熟悉的“在黑暗中跌跌撞撞”模式。“开发全新的运营工作流程是有风险的,然而,它非常相关的应用,如海底监测、生态系统调查和规划海底基础设施的安装和拆除,”桑顿说。
这背后的想法自适应机器人的任务并没有好转的结构在海上如何做事,而只是移除瓶颈在信息的流动和使用计算方法和人工智能数据处理。使用的算法能够快速产生简单的观察总结,并形成后续部署计划。这样,科学家可以应对动态环境的变化和目标区域,将导致最大的运营,科学或环境管理收益。
130万多收集海底图像和算法分析找到生物热点和精确目标交互式抽样和观察。最初的广域海底图像获得了一个水下车辆“Ae2000f”使用高海拔3 d视觉映射在水下相机网站680至780米深度。国际团队部署多个水下机器人,由东京大学,都配备了3 d视觉映射技术联合开发的悉尼大学,南安普顿大学、东京大学和九州理工学院作为一个国际合作的一部分。
最初的大范围调查的转换图像到三维海底地图和栖息地类型总结机载菲克,省允许研究人员计划随后机器人部署执行高分辨率视觉成像、环境和化学测量,和物理抽样最大利益的领域,特别是在生物活性的短暂的热点间歇性周围形成暂时的甲烷渗漏。19 AUV部署和十五ROV潜水总共完成了探险期间,包括几个多车操作。
由于快速处理的数据,一个摄影最好的地图研究天然气水合物沉积物。这被认为是最大的海底,3 d重建颜色的区域,在世界上,测量118000多平方米或11.8公顷,并覆盖一个地区大约500 x 350米。同时解决地图获得平均是6毫米,最感兴趣的领域是映射与分辨率高一个数量级,这将不可能没有智能的能力目标高分辨率成像的网站感兴趣的调查和处理大量的收购数据采集后的几个小时内。
通常情况下,这样的地图将需要几个月的时间来处理完成后,只有一次探险,此时科学团队不再现场,和栖息地可能已经进化或过期。相反,该研究小组组成了3 d地图上的菲克在几天内省图像被收购。复合使用地图探险计划操作,包括海底的恢复工具和无价的回顾特定网站,如活跃的气泡羽流,使整个操作更有效率。
“很让人看到这样大面积的海底视觉映射,特别是原始数据收集后几天。不仅仅是地图的大小,而且我们能够用它来告知我们的决定,同时仍然在现场。这使一个真正的差异随着技术可以想象在高分辨率宽领域,也很容易识别和目标领域我们应该收集数据。这以前是不可能发生的”,桑顿说。
这篇文章被转载材料所提供的施密特海洋研究所。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
了解更多:https://schmidtocean.org/cruise/adaptive-robotics-at-barkley-canyon-and-hydrate-ridge/
