AI 기술을 사용하여 심해에서 무료 바카라 영향을 평가하는 방법을 고안했습니다

Saito Naoki, 지질 조사 센터, 지질 조사 센터 (이하 AIST”라고 불리는), 지질 연구 센터 (이하 "AIST"), Travis Washburn, AIST의 특별 연구원 (연구 당시) 및 연구 그룹의 수즈키 준수는 심해의 자원 발달의 영향을 평가하기 위해 노력해 왔습니다ai (인공 지능)우리는 기술을 무료 바카라하여 부유 입자를 관찰하는 방법을 고안했습니다

최근 몇 년 동안 심해에서의 광물 자원의 발달이 고려되었습니다 심해에서는 부유 입자가 약간 증가하면 해저 시추 및 기타 요인과 같은 생물에 영향을 줄 수 있습니다프라이드 미네랄 워터의 배수로 생성 된 부유 입자의 무료 바카라 영향에 대한 우려가 있습니다 따라서 자원 개발의 무료 바카라 영향을 평가할 때 현탁 된 입자의 관찰이 중요합니다 그러나 기존의 방법으로 인해 심해에서 부유 입자를 관찰하기가 어려워졌습니다 이 연구는 물체 감지라는 AI 기술을 사용하여 수중 이미지에서 부유 입자 수를 자동으로 측정했습니다 이 연구는 자원 개발과 관련된 현탁 된 입자에 미치는 영향을 평가할 수있게 될 것으로 예상된다

이 업적에 대한 자세한 내용은 2023 년 7 월 11 일 (일본 시간) "해양 과학의 프론티어"

최근 몇 년 동안, 코발트 리본 크러스트 및 기타 지역을 대상으로 전 세계 국가에서 심해 자원 개발이 고려되었습니다 코발트 립 크러스트는 약 1,000m 이상의 깊이로 분포 된 철 망간 산화물로 수십 밀리미터에서 수십 센티미터의 두께로베이스 암석을 덮습니다 코발트, 니켈 및 백금과 같은 희귀 금속이 포함되어 있으며 잠재적 인 미네랄 자원으로 주목을 받고 있습니다 일본에서는 경제, 무역 산업부의 지도력 하에서 일본 주변의 해역과 대해의 발전은 미네랄 자원의 안정적인 공급에 대한 관점에서 고려되고 있습니다

무료 바카라 영향 평가는 심해의 자원 개발에서 중요합니다 자원 개발 동안, 현탁 된 입자는 해저 시추 및 홍수 물 배수구로 생성 될 수 있으며, 개발 지역과 주변 물에 퍼질 수 있습니다 이것은 산호와 스폰지와 같은 묻힌 유기체로 이어지고 필터 수유 유기체를 막아 생태계에 손상을 일으킬 수 있습니다 대부분의 심해는 자연 상태에 부유 입자가 적기 때문에 작은 증가조차도 유기체에 영향을 줄 수 있습니다 따라서 무료 바카라 영향 평가의 기초로 현탁 된 입자를 관찰해야합니다

그러나 기존의 관찰 방법으로 인해 심해에서 미량 부유 입자를 정량화하기가 어렵습니다 예를 들어, 탁도 측정기와 같은 광학 센서는 현탁 된 입자로부터의 반사 된 빛에 기초하여 현탁 된 입자의 농도를 측정합니다 그러나, 부유 입자의 농도가 낮은 깊은 바다에서는 충분한 반사 광을 얻을 수없고 측정 정확도는 낮습니다 또 다른 기술은 해수를 모으고 해수에 부유 입자의 농도를 직접 측정하는 것입니다 그러나 심해수 수확에는 시간이 걸리기 때문에 짧은 간격으로 심해 무료 바카라의 변화를 측정하기가 어렵습니다

AIST는 일본 에너지 및 금속 및 광물 자원 기관 (JOGMEC)의 리더십하에 코발트 립 크러스트 개발을위한 무료 바카라 영향 평가에 대한 연구를 진행하고 있습니다 이 기사에서는 개발로 인해 발생할 수있는 부유 입자에 대한 영향을 평가하기위한 새로운 관찰 방법을 고안했습니다 이 연구는 경제 무역 산업부가 의뢰 한 프로젝트의 결과입니다

이 연구는 AI 기술 중 하나 인 객체 감지를 무료 바카라하여 현탁 된 입자의 수를 측정했습니다 객체 감지는 이미지에서 특정 객체를 자동으로 식별하고 찾는 컴퓨터 기반 이미지 인식 기술입니다 최근 몇 년 동안딥 러닝를 기반으로 한 모델 탐지 정확도와 속도가 크게 향상되어 제안되었습니다 대상 감지는 또한 해양 무료 바카라을 모니터링하는 데 점점 더 많이 사용되고 있습니다 대량의 이미지를 정확하고 빠른 처리 및 분석 할 수 있습니다 예를 들어, 물고기와 같은 해양 유기체의 수와 해양 폐기물의 수를 자동으로 감지하는 데 사용됩니다 부유 입자는 수중 이미지에서 카메라로부터 눈에 띄게 산란 된 빛입니다 (그림 1) 따라서 객체 감지를위한 비교적 쉬운 대상 일 수 있다고 생각했습니다 이 연구에서 우리는 객체 감지 모델을 사용하여 딥 러닝을 사용하여 고소득 및 고속 탐지를 수행했습니다YOLOV5무료 바카라되었습니다 딥 러닝 및 분석에 무료 바카라 된 이미지는 최대 8,000m의 물 압력을 견딜 수 있고 몇 달에 걸쳐 장기 사진을 찍을 수있는 고정 시점 심해 카메라 인 Edokko No 1 (Okamoto Glass Co, Ltd)을 무료 바카라하여 촬영되었습니다교사 데이터현탁 된 입자의 특성을 자동으로 추출하고 학습합니다 교사 데이터는 3,484 개의 입자를 포함하는 1,028 개의 이미지를 무료 바카라했으며 모델은 모양과 밝기를 포함한 다양한 입자 패턴을 훈련 시켰습니다

부유 입자 수의 자동 측정은 구성된 현탁 입자 검출 모델을 무료 바카라하여 수행되었다 (도 3) 분석 후 이미지의 오른쪽 상단에 표시된 "n = 92"(그림 3)은 감지 된 입자의 수가 92입니다 원래 이미지의 색상 (그림 1)과 분석 후 이미지는 다르지만 감지 정확도를 향상시키기위한 이미지 처리입니다 (가장자리 보유 스무딩 필터) 때문입니다 모델은 다음과 같습니다AP (평균 적합 속도)andf1 value|, 모델의 예측이 정답에 얼마나 가까운지를 나타내는 감지 정확도 표시기 인 100%의 82% 이상이 기록되었습니다 이 검출 정확도는 해양 생물 및 해양 폐기물에 물체 탐지를 적용한 이전 연구의 정확도와 유사하며 (예를 들어, Salman et al, 2020; Xue et al, 2021; Bonofiglio et al, 2022) 해양 무료 바카라을 모니터링하기에 충분하다고 말할 수 있습니다 이 모델은 2 개월 사진 동안 얻은 6,753 개의 이미지에 적용되어 총 23,913 개의 입자가 감지되었습니다 이들 입자의 통계적 분석은 현탁 된 입자의 수가 때때로 평균보다 10 배 이상 상승 함을 보여 주었다 현탁 된 입자 수 및 시간 변화의 평균 값과 같은 기본 지식은 향후 자원 개발로 인한 부유 입자의 영향을 평가하기위한 기초가 될 것으로 예상됩니다

객체 감지 모델 인 AI 기술을 무료 바카라하는 장점 중 하나는 수동 처리의 번거 로움을 제거한다는 것입니다 입자를 추출하기 위해 휘도 임계 값을 무료 바카라하는 것과 같은 다른 이미지 분석 기술은 생물이나 해저를 입자로서 잘못 감지 할 수 있습니다 한편, 물체 감지 모델은 입자 특징을 훈련시키는 모델에서 오 탐지를 자동으로 피할 수있었습니다 (그림 4) 이로 인해 오 탐지를 수동으로 점검하고 잘못된 양성을 피하기 위해 추가 처리를 수행하는 번거 로움이 줄었습니다

필요한 미래의 작업은 정확도 검증에 사용되는 이미지의 다양성을 확장하고 부유 입자 검출 모델에 대한 탐지 한계를 식별하는 것입니다 검증 될 데이터의 예로는 입자 크기, 부유 입자 농도 및 유속을 포함한 광범위한 무료 바카라 조건이 포함됩니다 촬영 조건과 관련하여 입자 가시성에 영향을 미치는 조명에 특별한주의를 기울여야합니다

앞으로, 우리는 서스펜션 입자 감지 모델로 훈련 된 이미지를 확장하여 광범위한 무료 바카라 및 촬영 조건에서도 높은 정확도로 감지 할 수 있도록 계획합니다 이미지 사진은 해양 관찰의 일반적인 항목이므로 이미 학습에 사용할 수있는 많은 이미지가 있습니다 서스펜션 입자 검출 모델을 통해 자원 개발과 관련된 현탁 된 입자에 대한 영향에 대한 데이터가 수집 될 수 있으며, 무료 바카라 영향의 관점에서보다 바람직한 개발 계획의 개발에 기여할 것으로 예상됩니다

게시 된 잡지 :해양 과학의 프론티어
종이 제목 : 심해에서 현탁 된 입자의 시간적 변화를 평가하기 위해 딥 러닝을 무료 바카라하여
저자 : Naoki Saito, Travis W Washburn, Shinichiro Yano 및 Atsushi Suzuki
doi : 103389/fmars20231132500

ai (인공 지능)

일반적으로, 컴퓨터를 통해 인간의 문제 해결 및 의사 결정 능력을 모방하는 기술 이를 달성하기 위해 기계 학습이 종종 무료 바카라되는데, 이는 컴퓨터가 많은 양의 입력 데이터에서 패턴과 관계를 자동으로 학습하고 분석하는 방법입니다[참조로 돌아 가기]

프라이드 미네랄 워터

바다에 수중 펌프를 무료 바카라하여 해저에서 채굴 된 미네랄을 운송하고 튀기는 데 무료 바카라되는 해수[참조로 돌아 가기]

딥 러닝

기계 학습 분야 학습 할 입력 및 출력 층 사이에 다중 중간 층이 제공되는 방법 신경망은 종종 무료 바카라되는데, 이는 살아있는 유기체의 신경 회로를 모방하는 수학적 모델입니다[참조로 돌아 가기]

YOLOV5

5 세대 객체 감지 모델 YOLO (한 번만 보입니다) Yolo는 한 네트워크에서 객체의 영역을 추정하고 분류하는 1 단계 객체 감지 모델로 고정밀 및 고속 감지를 수행 할 수있는 1 단계 객체 감지 모델입니다[참조로 돌아 가기]

교사 데이터

머신 러닝에 무료 바카라하기 위해 모델이 학습 할 수있는 정답 레이블이 포함 된 데이터 세트[참조로 돌아 가기]

에지 절약 스무딩 필터

이미지 처리의 방법은 물체의 윤곽선을 보존하면서 나머지 영역을 노이즈로 부드럽게합니다[참조로 돌아 가기]

AP (평균 정밀) ・ F1 값 (F1-Score)

모두 객체 감지 모델의 정확도에 대한 평가 지표입니다 100%에 가까울수록 정확한 것을 의미합니다
정확한 비율을 나타내는 정밀 속도P, 리콜, 감지 해야하는 감지 된 것의 백분율을 나타냅니다r인 경우 AP 및 F1 (F1 값)은 다음과 같이 정의됩니다[참조로 돌아 가기]

• Salman, A, Siddiqui, SA, Shafait, F, Mian, A, Shortis, MR, Khurshid, K, et al (2020) 심층 신경망 기반 하이브리드 모션 학습 시스템에 의한 수중 비디오의 자동 어류 탐지ICES J Mar Sci77 (4), 1295–1307 doi : 101093/icesjms/fsz025
• Xue, B, Huang, B, Wei, W, Chen, G, Li, H, Zhao, N, et al (2021) 심층 신경망을 무료 바카라한 효율적인 심해 잔해 탐지 방법IEEE J SEL 맨 위 응용 지구 OBS 원격 감각14, 12348–12360 doi : 101109/jstars20213130238
• Bonofiglio, F, De Leo, FC, Yee, C, Chatzievangelou, D, Aguzzi, J 및 Marini, S (2022) 머신 러닝은 해양 균수 관찰자로부터 빅 데이터에 적용되는 기계 학습 : NE Pacific의 Sablefish 모니터링 사례 연구전면 3 월 과학9 doi : 103389/fmars2022842946