تعتبر دراسة البلانكتون من العوامل الأساسية لفهم العمليات البيولوجية في المحيطات العليا. ومع التطورات التكنولوجية، أصبح بالإمكان استخدام المركبات المائية الذاتية (AUVs) مع تقنيات التصوير البصري المتقدمة والذكاء الاصطناعي (AI) لمراقبة ورسم الخرائط البيئية بشكل مستمر. لكن، تواجه التقنيات الحالية تحديات في استقرار أدائها في بيئات غير منظمة وديناميكية، حيث تؤدي الضوضاء البيئية والأجسام غير البيولوجية إلى تصنيفات خاطئة متكررة.

هذه التصنيفات تعتمد غالباً على الشبكات العصبية التلافيفية (CNN) التي تعاني من نقص في الكفاءة في مثل هذه الظروف. لذا، اقترحنا إطاراً جديداً للتحقق من الاستقرار لمصنفات البلانكتون، يستند إلى تحليل الوصول. كما نقدم نموذج تصنيف باستخدام معادلات تفاضلية عادية عصبية (neural ODE) تستفيد من قدرات التصوير عالية الدقة لجهاز SilCam.

أظهرنا فعالية هذا الإطار في التحقق الرسمي من ثبات نموذج neural ODE ضد الاضطرابات البيئية. ويعزز هذا الإطار من موثوقية العينات الذاتية، ويقلل من عبء العمل اللاحق، مما يسهل على علماء البحار مهمة التحقق من التصنيفات بشكل فعال.

بهذا، نكون قد وضعنا خطوة كبيرة نحو تحسين دقة التقنيات المستخدمة في دراسة الحياة البحرية، مما يفتح المجال لمزيد من الاستكشافات في هذا المجال الحيوي.