環保人士推出了一款新的 AI 工具，可以從世界任何地方篩選 PB 級的水下影像，以識別廢棄或丟失的魚網 (即所謂的“幽靈網”) 的跡象。
每年，全球約有 2% 的漁具（包括約 80,000 平方公里的魚網）丟失在海洋中。這些魚網會威脅到海豹、海龜和 Dolphins 等海洋野生動物，它們會糾結于廢棄的魚網中并溺死。丟失的漁具也會在水中分解，成為塑料污染的主要誘因。
檢測停泊在海洋或海底的廢棄漁網極其困難。網通常像手指一樣薄，人類在觀看水下圖像時幾乎看不到。
為了識別幽靈網的確切位置，以便將其移除，WWF Germany 和合作伙伴 Accenture 以及 Microsoft 的 AI for Good Lab 共同創建了 GhostNetZero.ai。該在線平臺從科研機構、政府、海上風電公司和其他經常收集此類掃描圖像的團體處眾包高分辨率水下數據（稱為 side scan sonar 圖像）。
GhostNetZero.ai 中嵌入了一個由帶有 ResNet50 主干的 DeepLabV3 組成的 Convolutional Neural Network (CNN) ，用于掃描 sonar 數據以尋找幽靈網絡的跡象。在 solar 掃描中，94% 的時間都能準確識別出幽靈網。
“每張側面掃描的sonar圖像都包括地理位置和其他類型的metadata，因此，如果 AI 識別出sonar圖像中的幽靈網，它就能告訴我們幽靈網的確切位置，”WWF 德國幽靈網項目經理 Gabriele Dederer 說。
捕捉幽靈網
一旦 AI 發現了幽靈網，Dederer 及其團隊就會與當地的潛水員和漁民合作，研究如何移除這些魚網。該團隊要求當地合作伙伴驗證網絡是否符合 AI 的預期，并提供更詳細的信息，例如網絡的大致尺寸。
從那里開始，當地的海洋和自然保護組織將啟動清除幽靈網的后勤工作。
Dederer 說：“Divers 幫助我們確定這些是非常大的網還是較小的網，他們可以幫助判斷需要多大的檢索船。”“我們的工作必須按區域進行查看，如果已經有本地協議，我們將在其中開展工作，因為所有這些檢索都是一項艱巨的后勤和財務任務。”
德國世界自然基金會目前正在與法國、愛沙尼亞和瑞典的當地團隊密切合作，并計劃在未來擴大合作伙伴關系。
幾年前，Dederer 提出了分析眾包 sonar 數據的想法。但直到今年年初，在 Accenture 和 Microsoft 了解到她的工作并主動提出提供幫助后，AI 才被集成到該項目中。
CNN 托管在 Microsoft Azure 云上，并使用 PyTorch 庫進行開發。它使用 NVIDIA A100 TensorCore GPU 進行訓練和推理。
Christian Bucher 是微軟 Ghost Net 項目的聯系人，他指出，與當地團隊合作的另一個好處是，他們的現場驗證可以反饋到模型中，以提高其準確性和效率。
Bucher 表示：“AI 在很大程度上涉及模式識別，我們使用 PyTorch 來幫助檢測不同類型的幽靈網，因為【幽靈網】的聲納圖像幾乎總是不同的。“說到底，這是一項相對簡單的機器學習任務，一旦我們確定了如何進行分割，我們的準確率達到了 94%。”
?
