将基于深度学习的声纳图像分析技术应用于热液活动探索

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Applying Deep Learning-based Sonar Image Analysis to Exploration of Hydrothermal Activities

　　

摘要：

海底热液活动为多种金属提供了重要的矿产资源，并且是阐明生命起源以及海洋与固体地球之间物质循环的重要途径。先前的研究表明，多波束回声测深仪（MBES）在探索未被发现的热液活动方面非常有效。然而，传统方法需要人工观察者持续监控转换成图像的MBES数据，这通常需要连续数夜的时间。我们之前提出了一种利用目标检测技术（一种深度学习方法）来自动观察MBES图像的方法。在这项研究中，我们在西北太平洋伊豆-小笠原弧附近的东青岛火山口进行了MBES调查，并应用了这种基于人工智能的方法进行实际探索。从大约25小时的调查中收集的25,000张图像中，模型识别出了可能与热液活动相关的显著区域。值得注意的是，在其中一个显著区域，通过后续的遥控潜水器（ROV）调查确认了一个新的热液喷口。