要約
この論文では、自律型水中ロボットから収集された高周波の海底音響反射を自動的に分類する可能性を調査します。
コバルトリッチマンガンクラスト（Mnクラスト）の現地調査では、既存の手法は画像による海底の目視確認とサブボトムプローブによる厚さ測定に頼っています。
これらの視覚的な分類結果をグラウンド トゥルースとして使用して、オートエンコーダーは、バンドルされた音響反射から潜在的な特徴を抽出するようにトレーニングされます。
次に、サポート ベクター マシン分類器がトレーニングされて潜在空間を分類し、海底クラスを識別します。
マンガン地殻の深さ 1500 メートルの領域の海底から収集されたデータの結果は、約 70% の精度を示しました。
要約(オリジナル)
The possibility of automatically classifying high frequency sub-bottom acoustic reflections collected from an Autonomous Underwater Robot is investigated in this paper. In field surveys of Cobalt-rich Manganese Crusts (Mn-crusts), existing methods relies on visual confirmation of seafloor from images and thickness measurements using the sub-bottom probe. Using these visual classification results as ground truth, an autoencoder is trained to extract latent features from bundled acoustic reflections. A Support Vector Machine classifier is then trained to classify the latent space to idetify seafloor classes. Results from data collected from seafloor at 1500m deep regions of Mn-crust showed an accuracy of about 70%.
arxiv情報
| 著者 | Umesh Neettiyath,Harumi Sugimatsu,Blair Thornton |
| 発行日 | 2023-09-26 11:37:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google