Ελληνική επιστημονική επιτυχία: Δημοσίευση έρευνας για την Τεχνητή Νοημοσύνη και το Αιγαίο

Η ερευνητική εργασία παρουσιάστηκε στο Sorbonne University Abu Dhabi και δημοσιεύθηκε στο διεθνούς κύρους επιστημονικό περιοδικό Ecological Informatics της Elsevier.

Ελληνική επιστημονική επιτυχία: Δημοσίευση έρευνας για την Τεχνητή Νοημοσύνη και το Αιγαίο
Snapshot
  • Δημοσιεύθηκε στο διεθνές περιοδικό Ecological Informatics η έρευνα για την αυτοματοποιημένη παρακολούθηση του χωροκατακτητικού μαργαριτοφόρου στρειδιού στο Αιγαίο μέσω Τεχνητής Νοημοσύνης.
  • Η εργασία αποτελεί μέρος της διδακτορικής διατριβής του Δημήτρη Πάφρα υπό την επίβλεψη του Δημήτρη Κλαουδάτου και παρουσιάστηκε στο διεθνές συμπόσιο MARIS-AI.
  • Η μέθοδος χρησιμοποιεί αλγορίθμους Τεχνητής Νοημοσύνης, Βαθιάς Μάθησης και Computer Vision για αυτόματη ανίχνευση και καταμέτρηση του στρειδιού μέσω υποβρύχιου οπτικού υλικού.
  • Η έρευνα συμβάλλει στην ανάπτυξη ψηφιακών εργαλείων παρακολούθησης θαλάσσιων οικοσυστημάτων και στην αποτελεσματική διαχείριση χωροκατακτητικών ειδών στην Ελλάδα και την Ανατολική Μεσόγειο.
  • Η δημοσίευση αναδεικνύει την επιστημονική ποιότητα και τη δυναμική της ελληνικής έρευνας στον τομέα της Τεχνητής Νοημοσύνης και της θαλάσσιας βιοποικιλότητας.
Snapshot powered by AI

Μία σημαντική διεθνή διάκριση για την ελληνική ακαδημαϊκή κοινότητα αποτελεί η διαδικτυακή δημοσίευση της επιστημονικής εργασίας «AI-based automated monitoring of the invasive pearl oyster (Pinctada radiata) in the Aegean Sea using underwater surveys» στο διεθνώς αναγνωρισμένο επιστημονικό περιοδικό Ecological Informatics της Elsevier, το οποίο συγκαταλέγεται στα κορυφαία περιοδικά στους τομείς της Οικολογικής Πληροφορικής και των εφαρμογών της Τεχνητής Νοημοσύνης στις περιβαλλοντικές επιστήμες.

Η δημοσίευση αποτελεί μέρος της διδακτορικής διατριβής του Δημήτρη Πάφρα, η οποία εκπονείται υπό την επίβλεψη του αναπληρωτή καθηγητή Δημήτρη Κλαουδάτου. Αντικείμενό της είναι η ανάπτυξη και αξιολόγηση καινοτόμων εφαρμογών Τεχνητής Νοημοσύνης (Artificial Intelligence), Βαθιάς Μάθησης (Deep Learning) και Computer Vision για την αυτοματοποιημένη παρακολούθηση του χωροκατακτητικού μαργαριτοφόρου στρειδιού (Pinctada radiata) μέσω υποβρύχιων ερευνών στο Αιγαίο Πέλαγος.

dt-2.jpg

Η εργασία παρουσιάστηκε αρχικά στο διεθνές συμπόσιο Marine AI and Robotics for Innovation and Sustainability: Advancing Intelligence to Preserve Marine Biodiversity (MARIS-AI), που διοργανώθηκε από το Sorbonne University Abu Dhabi στα Ηνωμένα Αραβικά Εμιράτα, με τη συμμετοχή επιστημόνων από όλο τον κόσμο στους τομείς της Τεχνητής Νοημοσύνης, της Ρομποτικής και της Θαλάσσιας Επιστήμης.

Η έρευνα παρουσιάζει μια καινοτόμο μεθοδολογία, η οποία αξιοποιεί προηγμένους αλγορίθμους τεχνητής νοημοσύνης για την αυτόματη ανίχνευση, αναγνώριση και καταμέτρηση του χωροκατακτητικού μαργαριτοφόρου στρειδιού μέσω υποβρύχιου οπτικού υλικού. Η προσέγγιση αυτή συμβάλλει στην ανάπτυξη σύγχρονων ψηφιακών εργαλείων για την παρακολούθηση των θαλάσσιων οικοσυστημάτων, ενισχύοντας τις δυνατότητες έγκαιρης ανίχνευσης και αποτελεσματικής διαχείρισης χωροκατακτητικών ειδών στην Ελλάδα και την Ανατολική Μεσόγειο.

dt-1.jpg

Η δημοσίευση στο Ecological Informatics επιβεβαιώνει την επιστημονική ποιότητα της ερευνητικής προσπάθειας και αναδεικνύει τη δυναμική της ελληνικής έρευνας σε έναν ταχέως αναπτυσσόμενο τομέα, όπου η Τεχνητή Νοημοσύνη συναντά τη θαλάσσια επιστήμη και τη διατήρηση της βιοποικιλότητας.

Την επιστημονική εργασία υπογράφουν οι Δημήτρης Πάφρας, Δημήτρης Πολιτικός, Αλέξανδρος Θεοχάρης και Δημήτρης Κλαουδάτος.

Σχόλια
Ροή Ειδήσεων Δημοφιλή