Erkennung von Meeresverschmutzung
11.04.2023, 14:09 Uhr
Holografie gegen giftige Mikroorganismen
Das auf Holografie basierende System «AUTOHOLO» ermöglicht die Früherkennung einer Plage, die Floridas Küsten bedroht, die sogenannten roten Tiden.
Die Forscher aus Florida haben ein Frühwarnsystem für den Kampf gegen Karenia brevis entwickelt.
(Quelle: fau.edu)
Mit dem auf Holografie basierenden Erkennungssystem «AUTOHOLO» haben Forscher des College of Engineering and Computer Science an der Florida Atlantic University (FAU) und des Harbor Branch Oceanographic Institutein Fort Pierce ein Frühwarnsystem für Meeresverschmutzung durch organische Schädlingen entwickelt.
Kampf gegen Karenia brevis
Speziell reagiert es auf Karenia brevis, ein Mikroorganismus, der häufig im Golf von Mexiko vorkommt, wo er vor Florida regelmässig Planktonblüten verursacht, die sogenannten roten Tiden. Diese sind gefürchtet, da sie Toxine produzieren, die Fischsterben, Atemwegsreizungen bei Menschen und Tode bei Meeresschildkröten, Delfinen, Seekühen und Vögeln verursachen können.
Die Fähigkeit, rote Tiden in allen Lebensstadien und Zellkonzentrationen zu erkennen, ist wichtig für die Entwicklung von Gegenmassnahmen zum Schutz der öffentlichen Gesundheit und lebenswichtiger Ressourcen. Aktuelle Methoden zur Früherkennung, wie mikroskopische Identifizierung und Zählung, Standard-Durchflusszytometrie und andere, sind nur mässig wirksam und personalintensiv.
Ausserdem benötigen die Analysen viel Zeit, sodass mögliche Gegenmassnahmen meist zu spät eingeleitet werden können. Das neue Verfahren liefert dagegen Warnungen in Echtzeit. Das System ist autonom, tauchfähig und besteht aus einem holografischen 3D-Mikroskop und Bildgebungssystem, das an Ort und Stelle verwendet wird, um Meerespartikel und Plankton in ihrer natürlichen Umgebung zu identifizieren.
Neuronales Netzwerk im Einsatz
Das System wird von einem Mutterschiff durch das Meer gezogen. AUTOHOLO erkennt und identifiziert die winzigen Meeresbewohner. Dazu setzen die Forscher ein massgeschneidertes «Convolutional Neural Network» ein, das sie mit Datensätzen von Karenia brevis trainierten, die mit holografischen Bildern erstellt worden waren. Nach diesem Programm identifizierte das System die Mikroorganismen mit einer Zuverlässigkeit von 90 Prozent. «Das Convolutional Neural Network ermöglichte eine schnelle Erkennung und Analyse von Karenia brevis in allen Konzentrationsbereichen. Wenn wir wie geplant die Datenverarbeitung auf dem Mutterschiff vornehmen, erhalten wir Ergebnisse nahezu in Echtzeit», sagt Aditya R. Nayak, Assistenzprofessor für Ozeanografie an der FAU.
«Alle Strände an der zentralen und südwestlichen Golfküste Floridas sind von Ausbrüchen der roten Tide betroffen, die verheerende Auswirkungen auf das Leben im Meer haben und die menschliche Gesundheit beeinträchtigen», sagt Stella Batalama, Dekanin des FAU College of Engineering and Computer Science. «Unsere Forscher haben den AUTOHOLO so konzipiert, dass er vielseitig genug ist, um alle Herausforderungen zu meistern.»
