查看原文
其他

日本重启商业捕鲸,技术想拯救它们

神经小刀 HyperAI超神经 2019-12-26
By 超神经


场景描述:日本在今年重启了商业捕鲸,这是他们受到国际性公约的限制之后,30 多年里的首次商业捕鲸。近日日本的捕鲸团队完成首航,有 233 头鲸鱼遭到捕杀。这一事件的背后,似乎在预示着鲸鱼的悲惨命运。如何对鲸鱼进行高效的保护,避免它们走向濒危?AI 技术,又能够在这一领域发挥什么样的作用?


关键词:鲸鱼保护  卫星图像 计算机视觉



从 9 月开始,日本的沿海小镇太地町进入了年度的捕鲸活动。这是时隔 30 多年之后,日本再次开启了商业捕鲸。


鲸船上,一条被捕捉的长须鲸

国际上为了保护鲸鱼不被过渡捕杀,于 1948 年成立了国际捕鲸委员会,日本于 1951 年加入,在 1986 年,委员会通过了《全球禁止捕鲸公约》,禁止缔约国从事商业捕鲸。
有着长久捕鲸文化的日本,屡次在公约的边缘试探。2018 年 12 月,日本宣布退出该组织,根据规定在今年的 6 月 30 日之后,他们便不再受公约的限制。
在最近的报道中,他们在重启商业捕杀鲸之后的首次出航中,就捕杀了 233 头鲸鱼,捕获鲸肉 1430 吨... 触目惊心的数字背后,不禁让人想起纪录片《海豚湾》里的血腥。

电影《海豚湾》揭示了日本对海豚的残忍捕杀


虽然是海洋中最大的动物,但鲸鱼在和捕杀者的较量中,依然是脆弱和不值一提的。因为鲸鱼肉、油脂、皮、各种器官对人类的使用价值,在利益面前,庞大的躯体不过是一件件商品。


人类大规模的捕杀活动,一度致使许多种鲸鱼处于濒临的边缘。为了让这个庞大但脆弱的生物,能够自由在海里畅行,多种技术方法都被用在其中,而 AI 技术,也正在这个方面贡献着一些力量。
鲸鱼的数目和种群数量,难以进行完全的统计,此外,它们的生活习性和迁徙方式,也是研究中的一个难点。但随着多项 AI 技术的应用,这些问题正在被一一化解。

西班牙学者:用 CNN 进行种群统计


海洋中鲸鱼的数量和种群的准确统计,有助于帮助科学家对鲸鱼进行研究,进一步对鲸鱼进行保护。

但如何对鲸鱼进行识别和计数,在茫茫大海之上,却是不小的挑战。于是,一些研究者们,开始利用卫星和航空图像,借助深度学习等技术对近海面的鲸鱼做着统计调查研究。
最近一篇发表在《Science Report》杂志的文章,西班牙的一群科学家们,就做了这样的工作。他们用卷积神经网络(CNN)搭建的模型,能够有效地帮助识别和确定鲸鱼的种群和数目。
地址:https://www.nature.com/articles/s41598-019-50795-9


要在航拍或卫星图像中识别出鲸鱼,需要克服多重困难,比如数据集缺乏,船只、岩石、泡沫等混淆因素、鲸鱼在水面上的行为姿势,以及云雾、光线、水质等带来的干扰。


在这项研究里,科学家们基于 CNN ,设计了一种两步式的深度学习模型,第一个 CNN 查找带有鲸鱼存在的输入图像,并排除船舶、岩石等干扰;第二个 CNN 定位并计数这些图像中的每条鲸鱼。
模型的两步式结构


为了让系统准确的对鲸鱼进行识别,他们利用开放的数据如 Google Earth ,Arkive,NOAA 照片库等,建立了带注释的高质量数据集。分别以检测鲸鱼的存在,计数鲸鱼的数量,以及测试和验证整个过程为目的,还使用了不同分辨率的卫星和航拍图像。


文中还使用了迁移学习和数据增强,以提高 CNN 训练的效率,并增加 CNN 的鲁棒性和泛化能力。

第一步是建立图像分类模型,使用 GoogleNet Inception v3 CNN 体系结构的最新版本构建,并在 ImageNet 上进行了预训练,最终能够快速地判断出图像中的鲸鱼,并排除可能会被误认的杂物。
第二步是鲸鱼计数模型,使用了基于 Inception-Resnet v2 CNN 架构的 Faster R-CNN ,在 COCO 数据集上进行了预训练。模型仅分析那些存在鲸鱼的可能性高的单元,将每只鲸鱼定位在边界框中,并输出计数的个体数。
在概念验证中,模型使用 71×71 m 滑动窗口(约为蓝鲸的大小的两倍),分析了由 13,348 个网格单元代表的全球 10 个鲸鱼出现热点区域,并输出每个单元中检测到鲸鱼的概率。

最终的结果表明,在 10 个观鲸热点上对 Google Earth 图像进行的系统测试中,其检测和计数鲸鱼方面,其性能( F1 度量)分别为 81% 和 94%,与单独的基线检测模型相比,该模型将准确性提高了 36%。

谷歌:用声纹识别,了解行为习性


除了卫星图像的角度,在声纹分析的方面,机器学习也有保护鲸鱼的奇招。

鲸鱼的叫声可以在水下数百公里传递,不同声音也包含了不同的信息,以便和远方的伙伴沟通。谷歌则通过水下收集设备,录制下了这些鲸鱼的「歌声」。


在谷歌推出的「 AI for social good」项目中,就有一项保护座头鲸的研究,谷歌的研究人员和海洋鲸类专家,建立了一个海底声音的「监听网络」,利用机器学习通过声纹追踪鲸鱼的活动。
虎头鲸的声音频谱


但对于庞大的海底世界,它所包含的声音信息也是极其繁多。在录制下鲸鱼声音的同时,也积累了大量的噪声。

谷歌开发了一些算法模型,能够将这些信息过滤出来,从庞大的录音数据中,利用声纹信息分析辨别出鲸鱼的叫声,并进一步建立了深度神经网络,自动识别录音中的鲸鱼种类。

通过将监听到的声音,转换到对频谱图的处理,然后从这些频谱图中,找出特定的鲸鱼声纹。他们在前段时间还将这项成果,用一个网站工具形式推出,借助这个工具,可以大规模能将海底音频可视化,发现海底声音的细节。

地址:https://patternradio.withgoogle.com/


这项研究里,谷歌使用的模型是 ResNet-50 ,通过使用有监督学习,用标记过的数据进行训练:使用频谱图向算法展示了带有标签声音的示例(即:这是座头鲸,这不是座头鲸)。该算法学习的示例越多,识别这些声音的效果就越好。


最终,该模型可以确定一些剪辑片段中,是否包含以 90% 以上的精度和 90% 的查全率存在的座头鲸。


在网站上,可以通过 AI 探索数千小时的座头鲸「歌声」

通过这些方法,能够监测到和现实中一致的座头鲸习性变化,比如座头鲸种群夏季会在阿拉斯加附近逗留,在冬季则迁移到夏威夷群岛附近繁殖和分娩。

这一研究能够帮助了解鲸鱼的行为和迁徙模式,以便能为保护鲸鱼的后续策略提供支撑。

科技向善,愿鲸鱼永不灭绝


最早的鲸鱼出现在大约 5000 万年前,在自然法则中顽强生存下来的这一物种,经过漫长的进化过程,成为了世界上最庞大的动物。
人类的从几百年前开始商业捕鲸,在 20 世纪里,随着捕鲸业的兴盛,鲸鱼被大肆捕杀,多种鲸鱼走向濒危,至今已有数十种鲸鱼完全灭绝。在最疯狂的 1961 年里,一个捕鲸季,就有多达 66000 头鲸鱼被捕杀。


在越来越先进的捕鲸工具之下,纵有最庞大的体型也难敌人类的贪婪。


所幸,我们也看到越来越多的技术和团队,在保护鲸鱼上作出的努力。但愿此类技术能够更多地涌现,不至于让我们的后代,只能在史料中看到鲸鱼。


—— 完 ——

扫描二维码,进一步探索

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」取得联系

更多精彩内容(点击图片阅读)

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存