.
Pesquisadores desenvolveram e demonstraram um robô capaz de classificar, manipular e identificar fósseis marinhos microscópicos. A nova tecnologia automatiza um processo tedioso que desempenha um papel fundamental no avanço de nossa compreensão dos oceanos e do clima do mundo – tanto hoje quanto no passado pré-histórico.
“A beleza dessa tecnologia é que ela é feita com componentes relativamente baratos e prontos para uso, e estamos tornando os designs e o software de inteligência artificial de código aberto”, diz Edgar Lobaton, coautor de um artigo sobre o trabalho. e professor associado de engenharia elétrica e de computação na North Carolina State University. “Nosso objetivo é tornar essa ferramenta amplamente acessível, para que possa ser usada pelo maior número possível de pesquisadores para avançar em nossa compreensão dos oceanos, da biodiversidade e do clima”.
A tecnologia, chamada Forabot, usa robótica e inteligência artificial para manipular fisicamente os restos de organismos chamados foraminíferos, ou forames, para que esses restos possam ser isolados, fotografados e identificados.
Os forams são protistas, não são plantas nem animais, e prevalecem em nossos oceanos há mais de 100 milhões de anos. Quando os forames morrem, eles deixam para trás suas minúsculas conchas, a maioria com menos de um milímetro de largura. Essas conchas fornecem aos cientistas informações sobre as características dos oceanos como eles existiam quando os forames estavam vivos. Por exemplo, diferentes tipos de espécies de forame prosperam em diferentes tipos de ambientes oceânicos, e as medições químicas podem informar aos cientistas sobre tudo, desde a química do oceano até sua temperatura quando a concha estava sendo formada.
No entanto, avaliar conchas e fósseis de foram é tedioso e demorado. É por isso que uma equipe de especialistas em engenharia e paleoceanografia desenvolveu o Forabot para automatizar o processo.
“Neste ponto, o Forabot é capaz de identificar seis tipos diferentes de forames e processar 27 forames por hora – mas nunca fica entediado e nunca se cansa”, diz Lobaton. “Este é um protótipo de prova de conceito, então vamos expandir o número de espécies de forames que ele é capaz de identificar. E estamos otimistas de que também poderemos melhorar o número de forames que ele pode processar por hora .
“Além disso, neste ponto, o Forabot tem uma taxa de precisão de 79% para identificar forames, o que é melhor do que a maioria dos humanos treinados”.
“Depois que o Forabot for otimizado, ele será uma valiosa peça de equipamento de pesquisa, permitindo que os estudantes ‘coletores de foram’ gastem melhor seu tempo aprendendo habilidades mais avançadas”, diz Tom Marchitto, coautor do artigo e professor de ciências geológicas. na Universidade do Colorado, Boulder. “Usando o conhecimento taxonômico de origem comunitária para treinar o robô, também podemos melhorar a uniformidade da identificação do forame entre os grupos de pesquisa”.
Veja como o Forabot funciona. Primeiro, os usuários precisam lavar e peneirar uma amostra de centenas de forames. Isso deixa os usuários com uma pilha do que parece ser areia. A amostra de forames é então colocada em um recipiente chamado torre de isolamento. Uma agulha na parte inferior da torre de isolamento projeta-se através da amostra, levantando um único orifício onde é removido da torre por sucção. A sucção puxa o forame para um recipiente separado chamado torre de imagem, que é equipado com uma câmera automatizada de alta resolução que captura várias imagens do forame. Após a obtenção das imagens, o forame é novamente levantado por uma agulha até que possa ser captado por sucção e depositado no respectivo recipiente em uma estação de triagem. “A ideia é que nossa IA possa usar as imagens para identificar que tipo de forame é e classificá-lo de acordo”, diz Lobaton.
“Estamos publicando em um periódico de código aberto e incluindo os projetos e o software de IA nos materiais complementares desse artigo”, acrescenta Lobaton. “Esperamos que as pessoas façam uso dele. O próximo passo para nós é expandir os tipos de forames que o sistema pode identificar e trabalhar para otimizar a velocidade operacional.”
Vídeo: https://youtu.be/nLkLIghc4Jg
O trabalho foi realizado com o apoio da National Science Foundation, sob o número 1829930.
Fonte da história:
Materiais fornecidos por Universidade Estadual da Carolina do Norte. Original escrito por Matt Shipman. Observação: o conteúdo pode ser editado quanto ao estilo e tamanho.
.
