访问量： 412 次浏览
大量水母对人类而言似乎是一种困扰，
也许很多人不会将水母视为与气候变化或其他全球危机相提并论的主要问题。
事实上，特别大量的水母可能是气候变化的一个指标，
这原于在温暖的水中水母的数量会增大很多，
水母会对依赖水的发电厂到渔业，
造成一定的损害，
同时与水母大量繁殖相关的经济成本也会很高。
水母通常以幼鱼或幼虫为摄食目标，
水母也会消耗鱼类种群。
一些水母物种也可能对人类有着致命的威胁。
越来越温暖的水域可能意味着未来一年可能会出现更大以及更频繁的水母数量，
因此需要新的工具来发现和研究水母，
以免造成重大的健康或经济损失。
然而并非所有水母都会产生相同的有害影响，基于此问题，
我们可能还需要更准确地识别给定的物种。
JellyX 是一种用于监测和预测水母的工具 ，
它利用卫星图像并使用洋流数据预测水母以及其运动情况。
JellyX 提供网络地图来监控大型水母群并预测它们可能最终到达的地方。
该工具由欧洲航天局 (ESA) 支持的公司 ColomboSky 创建，
其数据来自哥白尼海洋服务。
哥白尼计划使用欧空局制造的哨兵卫星来监测地球系统。
一些科学家和研究人员利用无人机（UAV）来监测水母，
该数据具有近乎实时的性质，
可以帮助模型预测和观察水母。
虽然无人机数据可以更及时地进行监测，
甚至更有助于校正显示水母可能扩散的模型，
但它们的范围可能有限，
或者在给定条件下并不总是可以满足操作的条件，
有时在水下识别给定的水母物种也可能更好一些。
研究人员认为，
一种行之有效的方法包括利用水下监测系统，
甚至是提供近海岸监测的水下无人机（ROV），
通过使用水下监测系统，
其目的还在于改善水母识别，
帮助确定水母中的特定物种。
例如，箱形水母家族可能是毒性最强的水母类型，
甚至是最有毒的动物之一，
因此识别这些物种对于公共安全至关重要，
而其他形式的水母对人类的危害要小得多，
甚至对人类无害。
通常情况下水下影像可能有雾或不是很清楚，
利用深度学习算法，
它具有一定的预处理功能，
可以增强图像，
改善物种识别，
使研究人员能够知道水母的危害程度。
部署去雾、自适应直方图均衡化
和多尺度增强的算法使图像得到一定程度的改进，
且对物种识别更加有用，
这有助于消除限制水下图像质量的噪音和其他背景因素。
同时可以使用人工神经网络进行深度学习分类，
以进行物种识别，
这是自动化的操作过程，
可估计水母的规模。
YOLOv3 算法与图像增强技术可以同时使用，
该方法对于物种识别很很有效。
与 ROV一起使用的这种算法有助于区分公众或经济面临的水母规模以及威胁程度，
为研究人员和监测人员提供更多信息以校准他们的反应。
总体而言，
通过分析研究人员采取的不同方法，
已经证明 GoogLeNet（一种22层神经网络模型）和
更快的 R-CNN 算法（其中 R 代表区域和卷积神经网络（CNN））展示了物种识别的最佳结果，
该网络的精度范围约为96-75%。
通过结合遥感数据（无人机和卫星数据）以及基于当前数据预测水母运动的算法，
让我们在发现大量水母的能力方面得到了极大的提高。
JellyX 可能是大型水母监测的最新技术之一。
另一方面，
这种工具可能不容易用于物种识别，
其中一些水母有可能对我们的健康更有害。
利用 ROV 和深度人工神经网络工具有助于自动检测给定的水母物种，
并更好地了解水母可能给我们带来的威胁情况。