זיהוי מורפולוגיית אלמוגים בתמונות תת-מיימיות באמצעות YOLOv12 עם מיזוג בין CNN ומקודד טרנספורמר

מדוע צורות האלמוגים חשובות לכולנו

שוניות אלמוגים הן יותר מנוף תת-מיימי אסתטי; הצורות שלהן קובעות עד כמה הן מגנות על חופים, משמשות מקלט לחיים ימיים ותומכות בדיג ובתיירות. מעקב אחרי שינויי הצורות של האלמוגים לאורך זמן הוא מפתח להבנת מצב השונית באוקיינוס שמתחמם ומזוהם יותר. מחקר זה מציג שיטה חדשה לזיהוי אוטומטי של צורות גדילה שונות של אלמוגים בתמונות תת-מיימיות, ובכך מסייע למדענים לעקוב אחרי מצב השוניות במהירות ובאמינות גבוהה יותר.

אתגרים בראייה תת-מיימית

ניטור שוניות אלמוגים הסתמך זמן רב על צלילים שסימנו תמונות ידנית, תהליך איטי, יקר ותלוי בשיפוט אישי. תמונות תת-מיימיות קשות לפרש על ידי מחשבים, מאחר שהאור נספג ומתפזר, הצבעים משתנים וחלקיקים תלויים במים מטשטשים פרטים דקים. צורות גדילה שונות כגון מסתעפות, כיפה כבדת־ממד ופלטות שטוחות עלולות להיראות דומות ומטעות במים מעוננים. כלים ישנים של בינה מלאכותית לעתים מתקשים בתנאים אלה, מפספסים מושבות קטנות, מבלבלים צורות דומות או פועלים לאט מדי לשימוש בזמן אמת על רובוטי סקר.

עין דיגיטלית חכמה יותר לשוניות

החוקרים בונים על משפחת גלאי עצמים מהירה מוכרת בשם YOLO, ומשתמשים בגרסה העדכנית, YOLOv12, כבסיס. הם מוסיפים שני מרכיבים משלימים: סוג רשת שמצטיינת בזיהוי מרקמים מקומיים וקדקודים, ואחר שמצטיין בהבנת התמונה בכללותה. הרכיב הראשון, רשת נוירונים קונבולוציונית, לוכד פרטים ויזואליים עדינים כגון ענפים זעירים של אלמוגים ודפוסים על פני השטח. השני, מקודד טרנספורמר, בוחן את כל התמונה כדי להבין כיצד המושבות מסודרות וכיצד הן בולטות מעל סלעים, חול או אצות. מודול מיזוג מיוחד משלב אז את האותות המקומיים והגלובליים כדי שהמערכת תוכל לזהות הבדלים עדינים בין צורות האלמוגים.

כיצד המערכת לומדת את צורות האלמוגים

להכשרת המודל ולבדיקות, הצוות משתמש באוסף תמונות תת-מיימיות זמין לציבור הכולל מספר מורפולוגיות אלמוגים מרכזיות: מסתעפות, מסתיות (מסתיות־מסיביות) וטאבולריות (פלטות). התמונות מותאמות לגודל ומשופרות, ומוחלים עליהם שינויים בצבע ובגיאומטריה כדי שהמודל יראה גרסאות רבות של אותה סצנה, ומידל מצבים אמיתיים של עומק, תאורה ובהירות המים. בתוך הגלאי, התכונות מעובדות בקני מידה מרובים כך שניתן לאתר גם קצוות קטנים של אלמוגים וגם מושבות גדולות. המידע הממוזג זורם לשלב זיהוי שמייצר תיבות חובקות סביב מושבות האלמוג ומקצה לכל אחת קטגוריית צורת גדילה.

מה מראים התוצאות

המודל הממוזג, שמכונה YOLOv12-CT, נבחן מול מגוון מערכות זיהוי ידועות, כולל גרסאות YOLO קודמות, גלאי למידה עמוקה קלאסיים ועיצובים חדשים מבוססי טרנספורמר. במדדי ביצוע תקניים, כגון כמה מושבות נמצאו, עד כמה התוויות נכונות וכמה מדויקת המיקום של המתארים, השיטה החדשה עולה על האחרים. היא משיגה דיוק ממוצע גבוה (mean Average Precision) בספים טיפוסיים להערכה, מתעלה על כל המודלים להשוואה תוך שמירה על זמני עיבוד המתאימים לשימוש בכמעט בזמן אמת. המערכת חזקה במיוחד בזיהוי אלמוגים שטוחים בדמות פלטה, ומשפרת במידה ניכרת את גילוי הצורות המסתעפות המורכבות יותר, שלרוב הן הכי קשות להבחנה במים עכורים.

מה המשמעות לשמירה על השוניות

על ידי זיהוי מדויק ויעיל יותר של צורות הגדילה של אלמוגים, הגישה הזו מקלה על מעקב אחרי מבנה השונית, המגוון הביולוגי והחוסן שלה לאורך זמן. לשיטה עדיין יש מגבלות, כגון חוסר איזון בנתוני האימון והעלות המחשובית הנוספת של מרכיבי הטרנספורמר, וביצועיה עשויים להשתנות בתנאים תת-מיימיים קשים או לא מוכרים. עם זאת, המחקר מראה ששילוב רמזי מרקם מפורטים עם ראייה רחבה של הסצנה יכול לספק למדענים ימיים כלי רב־עוצמה לניטור אוטומטי בקנה מידה רחב של אלמוגים, התומך בקבלת החלטות טובות יותר לגבי שימור ושיקום.

ציטוט: Nandal, P., Siwach, M. & Upadhyay, G.M. Coral morphology detection in underwater imagery using YOLOv12 with CNN and transformer encoder fusion. Sci Rep 16, 15426 (2026). https://doi.org/10.1038/s41598-026-42591-z

מילות מפתח: מורפולוגיית אלמוגים, דימות תת-מיימי, למידה עמוקה, זיהוי עצמים, ניטור שוניות