氣候變遷下海洋探測與生態調查技術開發與應用
| 技術簡介 | 目前計畫的亮點有以下幾點： (1)水下生物偵測與行為分析：自動化龍蝦偵測、計數與追蹤 此技術為結合環境數據與AI水下生物偵測技術在真實場域進行生態分析之技術，目前已可利用物件偵測器正確辨識龍蝦並對其進行計數與追蹤，模型準確度可達93.1%。 影片1為其實際場域驗證結果，地點：墾丁南灣海域，拍攝時間：2022.03.25 已將此程式上傳於GitHub(https://github.com/softcomputinglab520/AI-series-on-Aquatic-Creatures-Part1_Counting ) (2)珊瑚生態系統分析：自動化活珊瑚覆蓋率分析 以2019年發表的實例分割演算法YOLACT為基礎進行改進，目前可對國際公認的珊瑚礁健檢法(Reef Check)中的8種底質(substrates)進行自動化底質分類，分類準確度可達99.5%。 影片2為其實際場域驗證結果，地點：墾丁南灣海域，拍攝時間：2022.01.26 ～ 2022.01.27 (3)珊瑚生態系統分析：指標性生物分類 透過觀察該珊瑚區域的生態種類評估其生態發展狀況，目前已可針對多種指標性魚類以及無脊椎動物進行分類，分類準確度已達90%。 影片3為其實際場域驗證結果，地點：基隆潮境公園，拍攝時間：2022.05 |
||
|---|---|---|---|
| 技術影片 |
|
||
| 關鍵字 | 人工智慧 水下生物 珊瑚 水下生態調查 海洋保育 | ||
| 研究計畫 | 氣候變遷下海洋探測與生態調查技術開發與應用 | ||
| 研究團隊 | 總計畫主持人：國立臺灣海洋大學, 蔣國平 教授；計畫主持人：國立臺灣海洋大學, 蔣國平 教授 | ||
曾經閱讀此篇文章的人也閱讀過下列文章
提供國際AI研究中心與應用產業最新資訊
-
基於問題生成增量技術之農業領域文獻閱讀理解研究
隨著深度學習技術之成熟，閱讀理解模型(給定一文章與一問題，由AI模型從該文章中自動找尋問題之答案)已成為自然語言應用中關鍵之元件。諸如知識萃取、知識圖譜建立皆可利用閱讀理解模型來解決。本計畫中使用台灣農業知識庫文集，利用閱讀理解模型建立對應專屬台灣之農業知識圖譜。然而現有閱讀理解模型並非為農業文獻量身定做，因此無法直接使用。本計畫結合問題生成技術來進行農業資料增量，進而訓練農業領域之文獻閱讀理解模型。過程中所衍生之相關技術，亦被接受於IJCNN2022國際研討會。
-
以機械學習來預測從急診室住院的新冠肺炎患者是否會發生院內心跳停止事件
本研究利用機械學習演算法，以建立感染嚴重特殊傳染性肺炎從急診住院的病患是否發生院內心跳停止事件的預測模型，以及早找出此類高風險病患，防範於未然。研究成果的模型分辨率優於現行國際採用的預警評分系統。
