【記者林玟君綜合報導】台灣目前偵測魚種、計算魚類數量的方法，是由潛水員親自下水拍攝影像資料，後續再經由人工方式整理資料，較耗時耗力。國立海洋大學師生組成「台灣智能海洋 No.1團隊」發展水下AI技術，全天候自動化辨識魚種並紀錄數量，除了讓生態研究員更方便調查水下生態外，也能同時復育海洋環境。此技術在數位發展部AIGO計畫舉辦的111年度全國性的解題賽中獲得優等獎。
目前台灣智能海洋 No.1團隊已在台灣東北角的潮境公園，成功收集並標註出大量的魚種資料，有利於豐富台灣的海洋魚種資料庫。 圖／團隊成員提供
水下AI技術透過人工智慧可以節省分辨魚類所花的時間，並更細微地觀察魚類，彌補人類沒辦法全天在水下觀察的問題。此外，該技術也能自動化保留儲存空間，團隊指導教授李東霖補充，「如果沒有魚游過去，可能只是單純的空無一物，那就可以去保留它出現的那段偵測畫面，讓剩下的畫面就不要。」
水下AI技術能夠全天候即時自動化地進行海洋生態調查，為生態復育做出貢獻。 圖／團隊成員提供
魚種在水中與在空氣中會呈現不同顏色，也會隨著海的深度產生變化。為解決水下顏色失真的問題，團隊利用標準色卡進行水下顏色還原，再將偵測到的數值讓人工智慧機器進行深度學習（註），「標準色卡上面會有很多顏色，我們帶到水底下之後顏色會隨著深度變化，我們再去以原先的色卡顏色減少的比例去做偵測。」團隊成員胡育綺補充。團隊也結合電腦視覺技術中的背景建立，將非魚類卻具有動態性的生物自動設置背景，提升分辨魚種的準確度。
註：深度學習是一種機器學習技術，它所使用的算法類似於人腦中使用神經元的方式，可用於教會計算機一般人類可以輕鬆自然做到的事情。
台灣智能海洋 No.1團隊發展的水下AI技術技術，能夠即時辨識水下影像，自動化辨識魚種並紀錄數量。 圖／團隊成員提供
國立政治大學資訊科學系教授彭彥璁提及，水下隨著光線的不同也會影響到機器偵測顏色的準確度，「譬如說在白天光線充足，然後水質很清澈訓練的模型，就沒有辦法用到比較暗的，或者說人工這個外部的光源。」此外，機器在不同角度拍攝會影響到魚種的辨識，彭彥璁也建議，可以透過設定函數公式計算，「就是偵測少部分角度的資料去模擬出整個360度，把這個整個場景變成一種函數，輸入取得資料的座標就可以對應他的任意角度。」李東霖則希望未來能夠在海底裝設多個非固定攝影機，偵測更多不同位置的角度。
李東霖指出，雖然當今AI的應用研究範圍廣泛，但相對於天上及陸地，海洋還有許多發展空間，「在氣候變遷影響之下，水下生態的變化是非常快的，如果不靠科技去記錄，人們很難知道哪些魚種消失或是哪些魚種需要被保護。」團隊也期望透過水下AI技術實際量化魚種數據，讓相關學者做進一步研究，並同時督促我國政府進行相關的海洋保育工作。
