Dell hilft bei Bildanalyse

Deep Learning soll Great Barrier Reef retten

Jürgen Hill ist Chefreporter Future Technologies bei der COMPUTERWOCHE. Thematisch befasst sich der studierte Diplom-Journalist und Informatiker derzeit mit aktuellen IT-Trendthemen wie KI, Quantencomputing, Digital Twins, IoT, Digitalisierung etc. Zudem verfügt er über einen langjährigen Background im Bereich Communications mit all seinen Facetten (TK, Mobile, LAN, WAN). 
Dell hat ein Deep-Learning-Modell entwickelt, um Bilder des Great Barrier Reefs schneller zu analysieren. Mit ihrer Hilfe soll der Gesundheitszustand des Riffs ermittelt werden.
Mit Deep Learning sollen Bilder des Great Barrier Reefs schneller analysiert werden. Ziel ist der Schutz des Korallenriffs.
Mit Deep Learning sollen Bilder des Great Barrier Reefs schneller analysiert werden. Ziel ist der Schutz des Korallenriffs.
Foto: Debra James - shutterstock.com

Nur zehn Sekunden statt sieben Minuten - so schnell kann die KIKI des Deep-Learning-Modells von DellDell Bilder des Great Barrier Reefs im Gegensatz zum Menschen analysieren. Mit Hilfe der Analyse von Korallenriff-Bildern wollen die Mitglieder von Citizens of the Great Barrier Reef, eine in Australien ansässige Naturschutzorganisation, beim Schutz des Korallenriffes helfen. Um diesen Vorgang zu beschleunigen, hat Dell ein entsprechendes Deep-Learning-Modell entwickelt. Alles zu Dell auf CIO.de Alles zu Künstliche Intelligenz auf CIO.de

Die Unterwasserbilder, die von Tauchern und Schnorchlern, die mit Tauchbooten und anderen Schiffen aufs Meer hinausfahren, aufgenommen werden, werden für die jährliche Zählung des Großen Riffs (Great Reef Census, GRC) verwendet, um den Gesundheitszustand des Riffs zu ermitteln, das sich über 2.400 Kilometer entlang der Ostküste Australiens erstreckt. Im ersten Jahr der Zählung 2020 wurden etwa 13.000 Bilder von 240 Riffen gesammelt, 2021 waren es dann schon 42.000 Bilder.

Deep Learning: Über 40mal schneller

Die Auswertung der Bilder erwies sich jedoch als sehr zeitaufwändig. Bei der ersten Zählung benötigte die Naturschutzorganisation 1.516 Stunden, um alle Bilder zu analysieren. Dabei dauerte es etwa sieben Minuten pro Bild. Hinzu kam das Problem der Genauigkeit, denn die freiwilligen Helfer der Organisation sind bei der Identifizierung von Riffen tendenziell weniger genau als professionelle Wissenschaftler.

67 Prozent Genauigkeit

Hier kommt nun Deep Learning ins Spiel: Das Deep-Learning-Modell von Dell kann die Bilder eines Riffs mithilfe semantischer Segmentierung in weniger als zehn Sekunden klassifizieren. Das Modell hat eine Genauigkeit von 67 Prozent, was Aruna Kolluru, Chief Technologist for AI bei Dell Technologies Asia-Pacific und Japan, als "gutes Modell" bezeichnet, denn es sei schwierig, eine hohe Genauigkeit für Objekte in der Natur zu erreichen. Durch mehr Training soll das Deep-Learning-Modell immer genauer werden. Ferner wird daran gearbeitet, die Genauigkeit durch die Arbeit mit neuen Modellarchitekturen und Datensätzen weiter zu verbessern. Im November 2022 soll das Modell voll einsatzfähig sein. Bei der Analyse müssen fast 144 verschiedene Kategorien von Rifforganismen berücksichtigt werden.

Aber nicht nur Dell und die Naturschutzorganisation setzen auf die Unterstützung durch KI, sondern auch das Australian Institute of Marine Science (Aims). Es überwacht in Zusammenarbeit mit Accenture den Zustand der Korallenriffe in Australien und anderer maritimer Ökosysteme mit KI-Hilfe. Mithilfe einer Aims-Datenbank mit 6.000 Bildern aus sechs verschiedenen Meeresregionen hilft die Technologie, die Analyse von Korallenriffbildern zu automatisieren, so dass die Forscher unter anderem die Reaktion bestimmter Korallenarten auf Stressszenarien wie Bleiche verstehen können.

Zur Startseite