CoralReef：多模态深度学习守护海洋珊瑚生态

CoralReef是融合水下图像处理、NOAA科学模型微调、XGBoost环境建模和Groq大语言模型解释的多模态系统，旨在解决珊瑚白化监测的痛点，实现智能检测与自然语言解释，赋能海洋保护工作者高效评估珊瑚健康状况。

珊瑚礁支撑25%海洋物种却仅占0.1%海洋面积，全球气候变暖引发大规模白化（2014年以来三次全球事件，大堡礁连续受创）。传统人工潜水调查耗时费力、成本高，遥感技术分辨率有限难以识别早期迹象，AI技术成为解决关键课题。

1. 图像预处理：通过OpenCV/scikit-image解决水下图像蓝绿色调、散射等问题，生成标准化图像；
2. 视觉分类：基于NOAA预训练模型微调YOLO11n-cls，用922张标注图像（437健康/485白化）训练识别视觉特征变化；
3. 环境建模：XGBoost整合海水温度、DHW、SSTA等6项参数，在1252站点数据上学习非线性关系；
4. 融合与解释：加权融合视觉与环境模型结果，调用Groq API生成自然语言解释。

• 后端：FastAPI异步API，支持仅图像/完整多模态两种模式；
• 前端：React+TypeScript遵循Stitch规范，提供上传与结果展示界面；
• 模型服务：Ultralytics部署YOLO，pickle加载XGBoost权重；
• 数据来源：NOAA Coral Reef Watch指标、NMFS-OSI预训练模型、全球珊瑚白化数据库。

适用于海洋保护区定期监测、公民科学项目分布式数据收集、气候变化研究时空分析、政策制定的数据支撑，帮助保护工作者及时采取措施。

• 多模态融合提升预测鲁棒性；
• 可解释AI通过LLM透明化决策过程；
• 迁移学习利用NOAA模型降低标注成本；
• 物理先验融合海洋学知识使模型更科学。

局限：依赖Groq API（离线受限）、训练数据规模小（922张）、环境参数获取门槛高； 未来：开发离线解释模型、扩展数据集覆盖更多珊瑚种类、集成卫星遥感、降低移动端使用门槛。