Solving the problem of monitoring the state of deep-sea animals and plants using neural network technologies

Abstract

В данной работе описывается система для подсчета и сегментации растений и животных морского дна с использованием фото и видео материалов. Сегодня подводная сегментация морской флоры и фауны с помощью методов машинного обучения является одной из самых актуальных и изучаемых в области компьютерного зрения. Для глубоководных исследований, которые включают обнаружение, подсчет и сегментацию растений и животных, трудно использовать традиционные методы компьютерного зрения. Благодаря современным технологиям автоматизированного мониторинга скорость и качество исследований можно увеличить в несколько раз при одновременном сокращении необходимых ресурсов.

Предлагаемый способ значительно улучшает качество подсчета и сегментации объектов под водой в сравнении с ручным подсчетом. Алгоритм включает три основных этапа: исправление искажений изображения под водой, сегментация изображения, выделение отдельных объектов. Объединение нейронных сетей, успешно решающих каждую из задач в отдельности, в каскад нейронных сетей - оптимальный метод решения задачи сегментации аквакультуры и животных. Используя полученные результаты, можно автоматизировать задачу мониторинга состояния подводных популяций, что, в свою очередь, облегчает контроль экологического состояния в мире.

This work describes a system for counting and segmentation of seabed plants and animals using photo and video materials. Today, underwater segmentation of marine life using machine learning methods is one of the most relevant and studied in the field of computer vision. For deep-sea research, which involves the detection, counting and segmentation of plants and animals, it is difficult to use traditional computer vision techniques. Thanks to modern technologies for automated monitoring, the speed and quality of research can be increased several times while reducing the required resources.

The proposed method significantly improves the quality of counting and segmentation of objects underwater in comparison with manual counting. The algorithm includes three main stages: correction of image distortions underwater, image segmentation, selection of individual objects. Combining neural networks that successfully solve each of the problems separately into a cascade of neural networks is the optimal method for solving the problem of segmentation of aquaculture and animals. Using the results obtained, it is possible to automate the task of monitoring the state of underwater populations, which, in turn, facilitates the control of the ecological state in the world.