MarineSitu erreicht 96 %+ Uptime bei der Unterwasserüberwachung mit Ultralytics YOLO
Entdecke, wie MarineSitu Ultralytics YOLO nutzt, um die Unterwasser-Objekterkennung zu transformieren.
Problem
Die Herausforderung für MarineSitu bestand darin, eine effektivere Methode zur Überwachung von Unterwasserumgebungen und zur Erkennung von Wildtieren in der Nähe von Meeresenergieinfrastruktur zu finden.
Solution
Mit Ultralytics YOLO-Modellen automatisierte MarineSitu die Wildtiererkennung an Meeresenergiesystemen, erreichte eine Betriebszeit von über 96 % und reduzierte die tägliche Sichtung von Videomaterial auf nur ein bis zwei Stunden.
Unterwasserumgebungen und Meeresenergiesysteme zu überwachen, ist nicht einfach, aber unerlässlich, um zu verstehen, wie diese Infrastruktur mit dem umliegenden Ökosystem interagiert, und um sicherzustellen, dass sie sicher und ohne Schaden für Wildtiere betrieben wird. Traditionell mussten Forscher stundenlang manuell Unterwasseraufnahmen durchsuchen, eine Aufgabe, die durch trübe Bedingungen, starke Strömungen und unbeständige Sicht zusätzlich erschwert wurde.
MarineSitu unterstützt Forscher und Organisationen dabei, Unterwasserumgebungen mithilfe von hochauflösenden Kameras, Computer Vision, Bildgebungs-Sonaren, Umweltsensoren und Machine-Learning-Modellen zu überwachen und zu verstehen. Beispielsweise können ihre Systeme mithilfe von Ultralytics YOLO-Modellen Wildtiere identifizieren und verfolgen, während sie sich in der Nähe von Gezeitenturbinen und anderer Meeresenergieinfrastruktur bewegen.
Link to this sectionIntelligentere Meeresüberwachung durch KI-Innovation#
MarineSitu wurde 2016 gegründet und ging aus der Forschung am Pacific Marine Energy Center (PMEC) und dem Applied Physics Lab (APL) der University of Washington hervor. Heute arbeiten sie mit Organisationen wie dem U.S. Department of Energy und der U.S. National Oceanic and Atmospheric Administration zusammen.
Durch Plattformen wie SaltySuite™ integriert MarineSitu seine zweckgebundenen Hardwaresysteme, einschließlich Kameras, Sonare und Hydrophone, mit KI-gestützten Erkennungsmodellen, um komplexe Unterwasserumgebungen zu überwachen und zu analysieren. Insbesondere durch die Anwendung von Computer Vision Tasks wie Objekterkennung (Lokalisierung und Identifizierung einzelner Tiere oder Objekte in einem Bild), Bildklassifizierung (Zuweisung einer Bezeichnung zu einem ganzen Bild basierend auf dessen Inhalt) und Objektverfolgung (Verfolgung erkannter Objekte über aufeinanderfolgende Frames zur Analyse ihrer Bewegung) liefert MarineSitu Echtzeit-Erkenntnisse, die die Meeresenergie-, Fischerei- und Umweltforschung unterstützen.
Link to this sectionWarum Unterwasserüberwachung schwieriger ist, als sie aussieht#
Die Überwachung von Meeresumgebungen ist weit schwieriger als die Beobachtung von Bedingungen an Land. Die Sicht kann ohne Vorwarnung abnehmen, starke Strömungen verschieben die Ausrüstung und mariner Bewuchs kann Kameras und Sensoren schnell verdecken. Die Bedingungen können sich von Stunde zu Stunde ändern, was eine konsistente Datenerfassung erschwert.
Für Forscher und Energiebetreiber stellt dies einen großen Engpass dar. Projekte können Hunderte von Terabytes an Video-, Sonar- und akustischen Daten generieren, was eine manuelle Überprüfung langsam und unpraktisch macht.
Entlegene Standorte im Ozean stehen vor zusätzlichen Hürden wie begrenzter Bandbreite, was das Senden großer Videodateien an die Cloud erschwert. Dies erhöht die Betriebskosten und führt zu Bedenken hinsichtlich der Datensicherheit.
Um diese Herausforderungen zu lösen, nutzt MarineSitu einen Edge AI-Ansatz, der Daten direkt auf der Unterwasser-Hardware verarbeitet, anstatt sich auf Cloud-Übertragungen zu verlassen. Dies ermöglicht die Echtzeit-Erkennung von Wildtieren und Umweltereignissen, reduziert die Datenmenge, die Forscher überprüfen müssen, und hält die Überwachung auch bei geringer Bandbreite und unvorhersehbaren Ozeanbedingungen zuverlässig.
Link to this sectionUnterwassererkennung in Echtzeit mit Ultralytics YOLO-Modellen#
MarineSitu setzt seine Überwachungssysteme rund um anspruchsvolle Unterwasserinfrastrukturen ein, darunter Gezeitenturbinen, Häfen, Forschungsanlagen und langfristige Umweltobservatorien, um zu erfassen, wie das Meeresleben mit diesen Strukturen interagiert. Ihr Adaptable Monitoring Package (AMP) integriert hochauflösende optische Kameras, Bildgebungs-Sonare, Hydrophone, LED-Beleuchtung und Antifouling-Systeme, die Linsen und Sensoren monatelang sauber halten.
Um den kontinuierlichen Strom multimodaler Daten zu interpretieren, verwendet MarineSitu maßgeschneiderte Ultralytics YOLO-Modelle, um Videomaterial in Echtzeit zu analysieren. Diese Modelle erkennen und verfolgen Meerestiere, während sie sich durch Bereiche wie den Wirkungsbereich einer Turbine bewegen, markieren automatisch wichtige Ereignisse und gleichen diese mit den zugehörigen Sonar- und Akustikaufzeichnungen ab.
Wenn beispielsweise eine Qualle nahe an der Turbine vorbeischwimmt, kann die Instanzsegmentierung, unterstützt durch Ultralytics YOLO-Modelle wie Ultralytics YOLOv8 und Ultralytics YOLO11, ihre vollständige Umrisslinie im Bild erfassen. Dies stellt sicher, dass Interaktionen mit Wildtieren mit vollem kontextuellen Detail festgehalten werden, anstatt in stundenlangen, ereignislosen Aufnahmen begraben zu werden.
Abb. 1. Ein Beispiel für die Verwendung von Ultralytics YOLO-Modellen zur Erkennung und Segmentierung von Quallen.
Link to this sectionWarum solltest du dich für Ultralytics YOLO Modelle entscheiden?#
Ultralytics YOLO-Modelle verleihen MarineSitu die Geschwindigkeit und Genauigkeit, die für die Echtzeit-Erkennung in komplexen Unterwasserumgebungen erforderlich sind. Modelle wie YOLOv8 und YOLO11 laufen effizient auf ihren Edge-Systemen und können in Formate wie TensorRT exportiert werden.
Link to this sectionDie Überwachung durch MarineSitu und Ultralytics YOLO erreicht 96 % Betriebszeit#
Der Einsatz von Ultralytics YOLO-Modellen durch MarineSitu hat eine zuverlässige Echtzeit-Überwachung von Wildtieren während Langzeiteinsätzen unter schwierigen Ozeanbedingungen ermöglicht.
Während eines 141-tägigen Einsatzes im pazifischen Nordwesten erreichte das Adaptable Monitoring Package (AMP) von MarineSitu trotz starker Strömungen, schlechter Sicht und konstantem Druck durch biologischen Bewuchs eine Betriebszeit von über 96 %. Antifouling-Systeme hielten Kameraportale, Beleuchtung und Bildgebungs-Sonare die gesamte Zeit über frei und gewährleisteten so konsistent hochwertige Daten.
Da YOLO kontinuierlich auf dem System lief, konnten die Forscher Robben, Fische und andere Tierarten verfolgen, während sie sich um die Turbine bewegten. Die automatisierte Objekterkennung und Ereignisfilterung reduzierte die manuelle Überprüfungszeit drastisch. Laut Forschern von PNNL und UW-APL dauerte die Überprüfung der von YOLO markierten Ereignisse oft nur ein oder zwei Stunden pro Tag, verglichen mit dem zeitaufwändigen Prozess, gefiltertes Videomaterial zu sichten.
Abb. 2. Erkennung einer Robbe mithilfe eines Ultralytics YOLO-Modells.
Durch die Kombination langlebiger Hardware mit multimodaler Sensorik und Computer Vision in Echtzeit lieferte MarineSitu einen vollständigen und kontextbezogenen Überblick über Interaktionen mit Wildtieren – etwas, das allein durch manuelle Überprüfung äußerst schwierig zu erreichen gewesen wäre. Dieses Maß an Zuverlässigkeit und Effizienz trägt dazu bei, Umweltbewertungen für Gezeitenenergieprojekte zu beschleunigen und den Standard für Meeresüberwachungssysteme zu erhöhen.
Link to this sectionSkalierung von Meeresintelligenz in Echtzeit#
MarineSitu baut seine Echtzeit-Computer-Vision-Fähigkeiten für eine Vielzahl von Unterwasserumgebungen weiter aus. Neben Gezeitenturbinen werden ihre mit Ultralytics YOLO betriebenen Systeme eingesetzt, um Wildtiere in Häfen zu überwachen, die Erforschung von Korallenriffen zu unterstützen, das Fischverhalten an wissenschaftlichen Installationen zu beobachten und langfristige Umweltdaten an entlegenen Standorten im Ozean zu sammeln.
Mit YOLO-Modellen als Kern ihrer Erkennungspipeline konzentriert sich MarineSitu auf die Verbesserung der Artenerkennung, die Stärkung der Edge-basierten KI-Verarbeitung und die Bereitstellung automatisierter Überwachung für mehr Orte, an denen konventionelle Methoden schwierig oder kostspielig sind. Sie haben das Ziel, die Unterwasserüberwachung effizienter und zugänglicher zu machen und Forschern gleichzeitig klarere, schnellere Erkenntnisse darüber zu liefern, wie Meeresökosysteme mit menschlichen Aktivitäten interagieren.
Neugierig auf KI? Sieh dir unsere Lizenzoptionen an, um Vision AI in deine Projekte einzubinden. Besuche unser GitHub-Repository, um mehr zu erfahren. Entdecke Computer Vision in der Robotik und KI in der Automobilindustrie auf unseren Lösungsseiten.
