海委會研發「海洋生物人工智慧(AI)辨識專家模型」,以目前國內外都最為關注的珊瑚礁生態系為先導型目標,初期已完成常見的珊瑚和珊瑚礁魚類的AI自動辨識,將大幅縮短海洋生態系監測所得大量水下生物影像所需的鑑定時間、並有效提升生態系健康狀況評估的持續作為。
(右圖)AI移動性物件偵測及自動辨識的黑新刻齒雀鯛。
以這次的AI珊瑚辨識為例,藉由多邊形分割AI辨識為基礎的專家模型訓練,將超過1,000張各類珊瑚照片進行標註與訓練,已能成功辨識涵蓋軸孔珊瑚、盤星珊瑚、角菊珊瑚、棘杯珊瑚、瓣葉珊瑚、葉片型表孔珊瑚、鹿角珊瑚、團狀形微孔珊瑚、柱珊瑚與盤珊瑚等10大類常見珊瑚。
再以珊瑚礁魚類而言,透過移動性物件偵測及自動辨識的兩段式模型選用,完成2,500張以上的照片學習,建置珊瑚礁區常見的20種金鱗魚科 (俗稱鐵甲)、雀鯛科 (厚殼仔)、蝴蝶魚科、隆頭魚科 (海豬魚)、刺尾鯛科 (倒吊魚)、海緋鯉科 (秋姑魚)、金線魚科 (赤尾冬) 等AI辨識模組。
海委會主委管碧玲表示,AI生物自動辨識是非常有幫助的科技輔勤體現,由具備海洋生物分類專長的各領域專家學者貢獻生物辨識特點,透過AI深度學習產生辨識專家模型,能提供更精準且即時的海洋生物種類監測數據。未來將持續透過此模式提升可自動辨識的海洋生物目標種類及數量,延伸擴及至其他海域生態環境的監測應用。
例如大家持續關注的離岸風電場開發下之海洋保育發展,國內外研究皆指出離岸風電場基樁式的水下基礎本身,以及基座防淘刷的保護工結構或拋石,會形成小型的岩礁生態系,產生如同魚礁或是聚魚的效果。
管碧玲也期許類似建立AI自動辨識珊瑚及珊瑚礁魚類的模式,能廣泛運用在諸如離岸風電場或是各式海事工程相關的生態環境監測上,加速累積詳實的科學數據,尋求海洋生態與藍色經濟共榮的海洋治理。