Alega-se que um sistema de inteligência artificial desenvolvido na EPFL, a universidade pública de pesquisa em Lausanne, na Suíça, é capaz de produzir mapas 3D detalhados de recifes de corais, mesmo a partir de imagens de vídeo questionavelmente iluminadas por mergulhadores amadores – em questão de minutos.
Os dados necessários para o sistema DeepReefMap podem ser coletados por qualquer pessoa equipada com equipamento de mergulho padrão e uma câmera disponível comercialmente.
Tudo o que eles precisam fazer é nadar lentamente acima de um recife por várias centenas de metros, capturando imagens de vídeo da vista abaixo à medida que avançam.
Os únicos limites são a duração da bateria da câmera e a quantidade de ar no tanque do mergulhador, diz a EPFL, afirmando que o desenvolvimento marca “um grande salto em frente na exploração do mar profundo e nas capacidades de conservação para organizações como o Centro Transnacional do Mar Vermelho (TRSC). )” – um órgão de pesquisa científica hospedado pela EPFL desde 2019.
O TRSC tem realizado estudos aprofundados sobre as espécies de corais do Mar Vermelho que se revelaram mais resistentes ao stress relacionado com o clima, servindo a sua iniciativa também como campo de testes para o sistema DeepReefMap.
Mapas em instantes
Desenvolvido no Laboratório de Ciência Computacional Ambiental e Observação da Terra (ECEO) da Escola de Arquitetura, Engenharia Civil e Ambiental (ENAC) da EPFL, o DeepReefMap tem o poder de produzir várias centenas de metros de mapas de recifes 3D em instantes.
Não só isso, mas também pode reconhecer as características e características distintivas dos corais e classificá-los.
“Com este novo sistema, qualquer pessoa pode participar no mapeamento dos recifes de coral do mundo”, afirma o coordenador de projectos do TRSC, Samuel Gardaz. “Isto realmente estimulará a investigação neste campo, reduzindo a carga de trabalho, a quantidade de equipamento e logística, e os custos relacionados com TI.”
A obtenção de mapas 3D de recifes de coral usando métodos convencionais provou ser desafiadora e cara no passado, diz EPFL.
As reconstruções computacionalmente intensivas baseiam-se em várias centenas de imagens da mesma porção de recife de tamanho muito limitado (algumas dezenas de metros) tiradas de muitos pontos de referência diferentes, e apenas mergulhadores especializados conseguiram obter tais imagens.
Estes factores limitaram severamente a plotagem de recifes de coral em partes do mundo onde faltam os conhecimentos técnicos necessários, e desencorajaram a monitorização de recifes extensos que cobrem quilómetros, ou mesmo centenas de metros.
Matriz de seis câmeras
Embora os dados sobre pequenos recifes possam ser facilmente capturados pelo DeepReefMap por mergulhadores amadores, para obter dados sobre uma área mais ampla, os pesquisadores da EPFL desenvolveram uma estrutura de PVC que contém seis câmeras – três voltadas para a frente e três para trás. As câmeras estão espaçadas de 1m entre si e a configuração ainda é operada por um único mergulhador.
Diz-se que este conjunto de seis câmeras oferece uma opção de baixo custo para equipes de mergulho locais que operam com orçamentos limitados.
Depois que a filmagem é carregada, diz-se que o DeepReefMap não tem problemas com iluminação insuficiente ou com a difração e os efeitos cáusticos frequentemente encontrados em imagens subaquáticas.
“As redes neurais profundas aprendem a se adaptar a essas condições, que são subótimas para algoritmos de visão computacional”.
Os programas de mapeamento 3D existentes funcionam de forma confiável apenas sob condições precisas de iluminação e com imagens de alta resolução, e são “também limitados quando se trata de escala”, segundo o professor da ECEO, Devis Tuia.
“Numa resolução em que os corais individuais podem ser identificados, os maiores mapas 3D têm vários metros de comprimento, o que requer uma enorme quantidade de tempo de processamento”, diz ele. “Com o DeepReefMap, estamos limitados apenas pelo tempo que o mergulhador pode permanecer debaixo d’água.”
Saúde e forma
Os pesquisadores também afirmam ter facilitado a vida dos biólogos de campo ao incluir “algoritmos de segmentação semântica” que podem classificar e quantificar os corais de acordo com duas características.
A primeira característica é a saúde – desde muito colorido (sugerindo boa saúde) até branco (indicativo de branqueamento) e coberto de algas (denotando morte) – e a segunda é a forma, utilizando uma escala reconhecida internacionalmente para classificar os tipos de corais mais comumente encontrados. nos recifes rasos do Mar Vermelho (ramificação, pedregulho, placa e macio).
“Nosso objetivo era desenvolver um sistema que fosse útil para os cientistas que trabalham na área e que pudesse ser implementado de forma rápida e ampla”, diz Jonathan Sauder, que trabalhou no desenvolvimento do DeepReefMap para sua tese de doutorado.
“O Djibuti, por exemplo, tem 400 km de costa. Nosso método não requer nenhum hardware caro. Basta um computador com uma unidade básica de processamento gráfico. A segmentação semântica e a reconstrução 3D acontecem na mesma velocidade da reprodução do vídeo.”
Os pesquisadores acreditam que com o uso da tecnologia será fácil monitorar como os recifes mudam ao longo do tempo, para identificar áreas prioritárias de conservação.
Também dará aos cientistas um ponto de partida para adicionar outros dados, como a diversidade e a riqueza das espécies de recifes, a genética populacional, o potencial adaptativo dos corais a águas mais quentes e a poluição local nos recifes. Este processo poderia eventualmente levar à criação de um gêmeo digital completo de um recife.
O DeepReefMap também poderia ser usado em manguezais e outros habitats de águas rasas, e servir como um guia na exploração de ecossistemas marinhos mais profundos, diz a EPFL.
“A capacidade de reconstrução incorporada no nosso sistema de IA poderia ser facilmente utilizada noutros ambientes, embora seja necessário algum tempo para treinar as redes neurais para classificar espécies em novos ambientes”, diz Tuia.
Mapeamento de naufrágios?
“Não espero uso comercial (tanto no sentido de uso no mergulho comercial, quanto na venda de um produto) em breve”, disse Jonathan Sauder. Divernet. “O método provavelmente permanecerá em desenvolvimento, com lançamentos de código aberto mais fáceis de usar em breve.
“A visão 3D é um campo importante na pesquisa de aprendizado de máquina/robótica. As coisas estão avançando extremamente rápido e espero que o mapeamento em tempo real tenha seu “momento ChatGPT” nos próximos anos, com uma súbita disponibilidade generalizada de algoritmos muito fortes, impulsionados por grandes empresas com orçamentos de pesquisa e engenharia aparentemente infinitos, mas vamos ver!"
O sistema poderia ser adaptado para mapeamento 3D de naufrágios? “O mapeamento 3D é um algoritmo aprendido – o que significa que ele aprende com um conjunto de vídeos de treinamento.
No nosso cenário, treinamos o sistema de mapeamento em vídeos de recifes. Eu suspeito que agora funcionaria bem em naufrágios, mas poderia funcionar muito melhor se treinado em grandes quantidades de vídeos dessas cenas.
“Por enquanto, eu esperaria que o melhor método para obter reconstruções 3D de naufrágios ainda fosse um fluxo de trabalho de mapeamento 3D convencional de tirar muitas fotos de alta resolução, calculando as poses da câmera com um software Structure-from-Motion como Agisoft Metashape ou COLMAP e, em seguida, potencialmente renderizá-los muito bem como um Gaussian Splat.”
Um artigo sobre a pesquisa de mapeamento de recifes foi publicado recentemente na revista Métodos em Ecologia e Evolução.
Também na Divernet: Os recifes de coral do mundo são maiores do que pensávamos…, 10 maneiras pelas quais a tecnologia está resgatando corais, Recife de coral profundo é o maior conhecido do mundo, Cartas do século 18 revelam perda de corais
