Deep Learning w ArcGIS Pro wspiera badania archeologiczne nad wrakami Zalewu Szczecińskiego
Wprowadzenie
Odmęty wód kryją ślady historii, nieuchwytne dla ludzkiego wzroku. Część z nich spoczywa na dnie, lecz niektóre szczątki, poddawane erozji i wpływowi zmian morfologii dna, zalegają pod jego powierzchnią. W ramach projektu „Wraki Zalewu Szczecińskiego” Koło Naukowe Hydrografii Morskiej oraz pracownicy badawczy Politechniki Morskiej w Szczecinie przeprowadzili badania nad odkrytymi pozostałościami amerykańskiego bombowca B-17, zestrzelonego w trakcie drugiej wojny światowej. Kluczowym wyzwaniem było to, że każdy typ danych – batymetria, zobrazowanie sonarowe, magnetometria – dostarcza jedynie fragmentu informacji o tym, co znajduje się pod wodą. Klasyczne narzędzia, takie jak echosonda, nie pozwalają wykryć obiektów ukrytych głębiej w osadach dennych. Właśnie tutaj z pomocą przyszedł ArcGIS Pro z modułem Deep Learning, który umożliwił automatyczne wykrywanie potencjalnych lokalizacji wraków i innych obiektów podwodnych.
Wyzwania
Fragmentaryczność danych – każdy sensor (echosonda, sonar, magnetometria) dostarcza tylko część informacji o obiektach podwodnych.
Obiekty ukryte w osadach – wraki zalegające pod powierzchnią dna są „niewidoczne” dla tradycyjnych echosond i wymagają zaawansowanych metod detekcji.
Integracja heterogenicznych źródeł danych – konieczność fuzji danych przestrzennych pochodzących z różnych sensorów geofizycznych i hydrograficznych.
Czasochłonność analiz – manualne przetwarzanie i interpretacja danych z wielu źródeł jest niezwykle pracochłonna i wymaga specjalistycznej wiedzy.
Automatyzacja procesu detekcji – potrzeba szybkiego i skutecznego wskazania miejsc, w których mogą znajdować się ukryte wraki, nawet te niewidoczne dla pojedynczych sensorów.
Rozwiązanie
Kluczem do sukcesu projektu było wykorzystanie zaawansowanych możliwości ArcGIS Pro oraz narzędzi sztucznej inteligencji dostępnych na platformie Esri. Fuzja danych przestrzennych pochodzących z różnych sensorów była elementarnym zadaniem rozpoczynającym proces analizy i interpretacji wyników.
Dzięki numerycznemu modelowi terenu i odczytom sonarowym możliwe było zdiagnozowanie obiektów znajdujących się na powierzchni dna – określenie głębokości, na jakiej się znajdują, a także precyzyjne zobrazowanie ich kształtu. Obiekty zalegające w warstwach poddennych, „niewidoczne” dla echosondy, zostały wykryte dzięki analizie rozkładu anomalii magnetycznych. Pozwoliło to na wyodrębnienie obszarów wskazujących na znajdujące się tam obiekty ferromagnetyczne i określenie, czy pod dnem kryją się jeszcze wartościowe historycznie szczątki.
Dla zwiększenia efektywności prowadzenia badań zastosowano nowoczesne metody automatycznej detekcji oparte o sieci neuronowe i głębokie uczenie. ArcGIS Pro posiada moduł Deep Learning pozwalający na przeprowadzenie całego procesu trenowania sieci, jej parametryzacji i zaimplementowania do swoich danych.
W celu identyfikacji obiektów zaburzających pole magnetyczne, poddano analizie dane zawierające informację o strukturach poddennych. Wynikiem uwzględnienia tych danych było określenie, jakie poszczególne obiekty znajdują się pod dnem, a także zdiagnozowanie ich twardości hydroakustycznej. Integracja wszystkich informacji i ich odpowiednia wizualizacja stanowiła niezwykle istotny proces. Powstałe w ten sposób modele trójwymiarowe utworzone w ArcGIS Pro stanowią atrakcyjną wizualnie, ale także bardzo praktyczną metodę prezentacji danych.
Korzyści
- Automatyczna detekcja obiektów – wykorzystanie modułu Deep Learning w ArcGIS Pro do automatycznego wykrywania potencjalnych lokalizacji wraków.
Kompleksowa wizualizacja – możliwość tworzenia zaawansowanych modeli 3D prezentujących wielopowierzchniowe dane w atrakcyjnej i praktycznej formie.
Efektywna fuzja danych – integracja danych batymetrycznych, sonarowych, magnetometrycznych i z profilomierza poddennego w jednym środowisku analitycznym.
Przyspieszenie procesu badawczego – znaczne skrócenie czasu potrzebnego na analizę i interpretację danych przestrzennych.
Uczestnicy projektu
