Daten aus der Tiefsee

Künstliche Intelligenz in der Ozeanforschung

| Redakteur: Tina Billo

Für die Konzeption und den Test des entwickelten Auswertungs-Workflows griffen die Forscher von Geomar auf die zur Untersuchung des Ökosystems rund um Manganknollen im Pazifik gesammelten Daten zurück.
Für die Konzeption und den Test des entwickelten Auswertungs-Workflows griffen die Forscher von Geomar auf die zur Untersuchung des Ökosystems rund um Manganknollen im Pazifik gesammelten Daten zurück. (Bild: ROV-Team Geomar)

Meere bedecken gut 70 Prozent der Erdoberfläche. Mehr also 90 Prozent davon nimmt die ab 800 Metern beginnende Tiefsee ein. Gerade einmal zehn Prozent davon seien bislang erforscht und damit sogar der Mond besser erkundet. Automatisierte Verfahren, wie der von einem Forscherteam des Geomar entwickelte Bildanalyse-Workflow, sollen dies ändern. Für die Auswertung der gesammelten Bilddaten setzen die Experten auf KI.

Tauchroboter oder autonome Unterwasserfahrzeuge, die selbstständig in der Tiefsee Messungen durchführen, können inzwischen große Mengen an hochaufgelösten Bildern aufnehmen. Dadurch liegen immer mehr Daten vor, die dabei helfen können, die Geheimnisse des noch weitestgehend unbekannten Terrains ans Tageslicht zu bringen.

Voraussetzung dafür ist, dass die erfassten großen Mengen an Bilddaten systematisch und wissenschaftlich analysiert werden können. Hierfür entwickelten die Forscher des Geomar Helmholtz-Zentrum für Ozeanforschung in Kiel in den vergangenen drei Jahren mit dem Geomar-Datenmanagement einen standardisierten Arbeitsauflauf.

Daten aus dem Mining Impact-Projekt genutzt

Der Hintergrund für die Arbeit an einem automatisierten Verfahren, war das Projekt JPIOceans "Mining Impact", das sich mit der Frage beschäftigt, welche Folgen der Abbau metallischer Rohstoffe in der Tiefsee für das Ökosystem Meer nach sich zieht. Dabei richtete sich das Hauptaugenmerk auf Manganknollen, die in 5000 Metern Meerestiefe liegen und seltene Metalle wie Mangan, Eisen, Nickel, Kupfer und Kobalt enthalten.

Um das Ökosystem rund um Manganknollen im Pazifik zu untersuchen, wurde das autonome Unterwasserfahrzeug ABYSS mit einem neuen, digitalen Kamerasystem ausgestattet. Mit den so gesammelten Daten wurde der Workflow konzipiert und erstmals getestet. Das Vorgehen gliederte sich dabei in die Schritte Datenerhebung, -verarbeitung und -speicherung, in denen jeweils festgelegte Zwischenschritte absolviert werden sollten.

Aufnahmen des AUV ABYSS vom pazifischen Meeresboden aus 10, 7 und 4,5 Metern Abstand. Die Bilder a und b zeigen einen stationären Lander, auf c bis f sind Manganknollen zu sehen, erkennbar als dunkle Punkte am Meeresboden.
Aufnahmen des AUV ABYSS vom pazifischen Meeresboden aus 10, 7 und 4,5 Metern Abstand. Die Bilder a und b zeigen einen stationären Lander, auf c bis f sind Manganknollen zu sehen, erkennbar als dunkle Punkte am Meeresboden. (Bild: AUV-Team Geomar)

Bild- und Metadaten werden verknüpft

Wichtig ist beispielsweise festzulegen, wie die Kamera einzustellen ist, welche Daten erfasst werden, oder welche Beleuchtung sinnvoll ist um eine bestimmte wissenschaftliche Fragestellung beantworten zu können. Dazu müssen insbesondere auch die Metadaten des Tauchroboters aufgezeichnet werden.

"Für die Datenverarbeitung ist es essentiell, die Bilddaten der Kamera mit den Metadaten des Tauchroboters zu verknüpfen", erklärt Dr. Timm Schoening aus der von Prof. Dr. Jens Greinert am Geomar geleiteten Arbeitsgruppe "Deep Sea Monitoring". Das AUV ABYSS erfasste beispielsweise automatisiert seine Position, die Tiefe des Tauchgangs und Eigenschaften des umliegenden Wassers. "All diese Informationen müssen mit dem jeweiligen Bild verknüpft werden, da sie wichtige Hinweise für die anschließende Auswertung liefern", so Schoening.

Auf beliebige Projekte übertragbare Methode

Eine gewaltige Aufgabe: in rund 30 Tauchgängen sammelte ABYSS gut 500.000 Aufnahmen des Meeresbodens. Für die Zusammenführung der Daten sorgten verschiedene Programme, die das Team eigens für diesen Zweck entwickelte. Hier wurde auch unbrauchbares, beispielsweise verwackeltes, Bildmaterial aussortiert.

All diese Prozesse funktionieren jetzt automatisiert. "Bis dahin war allerdings eine Vielzahl an zeitaufwändigen Versuchen notwendig", sagt Schoening. "Jetzt kann die Methode auf beliebige Projekte, auch mit anderen AUVs oder Kamerasystemen, übertragen werden." Das so bearbeitete Material wurde im Anschluss auf öffentlich zugänglichen Plattformen dauerhaft weltweit bereitgestellt.

Schematische Darstellung des Bildanalyse-Workflows, der in drei Schritte gegliedert ist: Datenerhebung, Kuratierung und Datenmanagement.
Schematische Darstellung des Bildanalyse-Workflows, der in drei Schritte gegliedert ist: Datenerhebung, Kuratierung und Datenmanagement. (Bild: Timm Schoening, Geomar)

Eigen entwickelter KI-Algorithmus

Für die Auswertung am Geomar kam schließlich künstliche Intelligenz in Form des eigens entwickelten Algorithmus‘ "CoMoNoD" zum Einsatz. Er erfasst automatisch, ob, in welcher Größe und an welcher Position, Manganknollen in einem Foto vorliegen. Im Anschluss konnten so beispielsweise die einzelnen Aufnahmen zu größeren Karten des Meeresbodens zusammengesetzt werden.

Der nächste Einsatz des Workflows und der neu entwickelten Programme ist bereits geplant: Bei der nächsten Ausfahrt im Frühjahr kommenden Jahres in Richtung Manganknollen soll die Auswertung des Bildmaterials dann direkt an Bord erfolgen. Dafür sollen dann einige besonders leistungsfähige Rechner mit auf das Schiff genommen werden.

Originalpublikation

Schoening, Timm; Köser, Kevin; Greinert, Jens (2018): An acquisition, curation and management workflow for sustainable, terabyte-scale marine image analysis. Scientific Data, 5, 180181.

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45529700 / Forschung u. Wissenschaft)