Kasviplanktonin kuvantaminen ja aineiston käsittely hahmontunnistuksen ja koneoppimisen avulla ovat mullistaneet mahdollisuudet seurata muutoksia kasviplanktonin koostumuksessa ja määrässä. Tutkimuksessa kehitettiin ja toteutettiin Imaging FlowCytobot (IFCB) -kuvantamislaitteen käyttöä Itämeren kasviplanktonin havainnointiin. Kyseessä oli ensimmäinen kerta maailmassa, kun laitetta hyödynnettiin kukintoja muodostaville sinileville.
Kuvantamismenetelmän avulla pystytään tuottamaan tietoa leväyhteisöistä tiheästi ympäri vuorokauden ja läpi vuoden. Laitteen ottamista kuvista tunnistetaan merivedessä esiintyviä levälajeja automaattisesti, ja tieto esimerkiksi sinilevälajeista välittyy suoraan tutkijoille parissa tunnissa. Perinteisellä mikroskopiaan pohjaavalla menetelmällä on mahdollista havainnoida vain yksittäisiä hetkiä leväyhteisöistä esimerkiksi kerran kuukaudessa tai jopa vain kerran vuodessa tapahtuvassa näytteenotossa.
Menetelmää voidaan tulevaisuudessa hyödyntää seurannan ja päätöksenteon tukena. Se voi mahdollistaa tarkempien meren tila-arvioiden laatimisen ja auttaa ymmärtämään ilmastonmuutoksen mahdollisia vaikutuksia Itämeren kasviplanktonyhteisöön, jolla on elintärkeä vaikutus meren ravintoverkkoon, hapen tuotantoon ja hiilen kiertoon.
Kasviplankton, eli mikroskooppiset levät, ovat tärkeä osa globaalia ilmastojärjestelmää. Ne vastaavat muun muassa noin puolesta maailman hapentuotannosta sekä hiilen sidonnasta. Osa kasviplanktonlajeista kuitenkin muodostaa haitallisia kukintoja, mitkä häiritsevät vesistöjen virkistyskäyttöä ollen myös terveydelle vaarallisia, kuten sinileväkukinnat Itämerellä.
Lähde: Syke
The post Väitös: Koneoppiminen avuksi sinilevien tunnistukseen appeared first on Vastuullisuusuutiset.fi.