澳大利亚的大堡礁美不胜收，是全球最大的珊瑚礁，也是多种多样的海洋生物栖息的家园。不幸的是，珊瑚礁面临蚕食珊瑚的棘冠海星（COTS）的威胁。为了控制COTS爆发，珊瑚礁管理人员使用一种名为Manta Tow勘查的方法，将潜水员拖在船后，目测评估珊瑚礁的各个部分。然而，这种方法在效率、数据质量和可扩展性方面存在局限性。

为了改善对COTS的监测和控制，大堡礁基金会启动了一项创新计划。一个关键部分就是使用水下摄像机采集珊瑚礁图像，并运用AI自动检测COTS。

为了针对这种基于视频的大规模勘查开发机器学习技术，澳大利亚国家科学机构CSIRO与谷歌进行合作。他们的目标是创建系统，以便能够准确高效地分析大量图像，从而近乎实时地查明大堡礁的COTS爆发情况。这将大大有助于环保工作，并有助于确保珊瑚礁生态系统受到长期保护。

总而言之，基于AI的图像分析正被应用于从大堡礁拍摄画面中自动检测棘冠海星，从而以大幅提高的效率和规模更好地监测和控制，以保护珊瑚礁。这里旨在建立一个使用水下珊瑚礁视频训练的对象检测模型，实时准确地识别海星。我们在这篇博文中将构建一个机器学习管道，以分析珊瑚礁的图像，并预测棘冠海星的存在和位置。

我们将使用Cleanvision（这个开源软件包使用以数据为中心的AI来清理图像数据中的问题）、Tensorflow、KerasCV以及YOLOv8，后者用于计算机视觉任务，比如对象检测和图像分类。

!pip install -q cleanvision keras-cv kaggle