In samenwerking met de afdeling Onderwaterarcheologie van de Amerikaanse marine, Ik leerde een computer scheepswrakken op de oceaanbodem te herkennen aan de hand van scans van vliegtuigen en schepen aan de oppervlakte. Het computermodel dat we hebben gemaakt is voor 92% nauwkeurig in het vinden van bekende scheepswrakken. Het project richtte zich op de kusten van het vasteland van de VS en Puerto Rico. Het is nu klaar om te worden gebruikt om onbekende of niet in kaart gebrachte scheepswrakken te vinden.

De eerste stap bij het maken van het scheepswrakmodel was om de computer te leren hoe een scheepswrak eruit ziet. Het was ook belangrijk om de computer te leren het verschil te zien tussen wrakken en de topografie van de zeebodem. Om dit te doen, Ik had veel voorbeelden van scheepswrakken nodig. Ik moest het model ook leren hoe de natuurlijke oceaanbodem eruitziet.

handig, de National Oceanic and Atmospheric Administration houdt een openbare database van scheepswrakken bij. Het heeft ook een grote openbare database met verschillende soorten afbeeldingen die van over de hele wereld zijn verzameld, inclusief sonar- en lidarbeelden van de zeebodem. De beelden die ik heb gebruikt, strekken zich uit tot iets meer dan 23 kilometer van de kust en tot een diepte van 85 meter. Deze beelden bevatten enorme gebieden zonder scheepswrakken, evenals af en toe een schipbreuk.

Het vinden van scheepswrakken is belangrijk om het menselijk verleden te begrijpen - denk aan handel, migratie, oorlog, maar onderwaterarcheologie is duur en gevaarlijk. Een model dat automatisch alle scheepswrakken over een groot gebied in kaart brengt, kan de tijd en kosten verminderen die nodig zijn om naar wrakken te zoeken, hetzij met onderwaterdrones of menselijke duikers.

De afdeling Onderwaterarcheologie van de marine is geïnteresseerd in dit werk omdat het de eenheid zou kunnen helpen om niet in kaart gebrachte of onbekende scheepswrakken te vinden. Breder, dit is een nieuwe methode op het gebied van onderwaterarcheologie die kan worden uitgebreid om te zoeken naar verschillende soorten onderwaterarcheologische kenmerken, inclusief gebouwen, standbeelden en vliegtuigen.

Dit project is het eerste op archeologie gerichte model dat is gebouwd om automatisch scheepswrakken over een groot gebied te identificeren, in dit geval de hele kust van het vasteland van de VS. Er zijn een paar gerelateerde projecten die gericht zijn op het vinden van scheepswrakken met behulp van deep learning en beelden verzameld door een onderwaterdrone. Deze projecten zijn in staat om een ​​handvol scheepswrakken te vinden die zich in de directe omgeving van de drone bevinden.

We willen graag meer scheepswrak- en beeldgegevens van over de hele wereld in het model opnemen. Dit zal het model helpen om heel goed te worden in het herkennen van veel verschillende soorten scheepswrakken. We hopen ook dat de afdeling Onderwaterarcheologie van de marine zal duiken naar enkele van de plaatsen waar het model scheepswrakken heeft gedetecteerd. Hierdoor kunnen we de nauwkeurigheid van het model nauwkeuriger controleren.

Ik werk ook aan een paar andere archeologische machine learning-projecten, en ze bouwen allemaal op elkaar voort. Het algemene doel van mijn werk is het bouwen van een aanpasbaar archeologisch machine learning-model. Het model zou snel en gemakkelijk kunnen schakelen tussen het voorspellen van verschillende soorten archeologische kenmerken, zowel op het land als onder water, in verschillende delen van de wereld. Hiertoe, Ik werk ook aan projecten gericht op het vinden van oude Maya-archeologische structuren, grotten op een Maya-archeologische vindplaats en Roemeense grafheuvels.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.