Project Ocean Oasis verbessert den Schutz von Korallenriffen mit Ultralytics YOLO

Da marine Ökosysteme beispiellosen Bedrohungen durch den Klimawandel, Umweltverschmutzung und Überfischung ausgesetzt sind, ist die Nachfrage nach skalierbarer, evidenzbasierter Ozean-Intelligenz so groß wie nie zuvor. Project Ocean Oasis (PO2), eine in Australien ansässige gemeinnützige Organisation, stellt sich dieser Herausforderung direkt, indem sie autonome Überwachungssysteme entwickelt, die darauf ausgelegt sind, jahrelang in rauen Meeresumgebungen zu funktionieren.

Durch die Integration von Ultralytics YOLO Modellen in seine Edge-to-Cloud-Pipeline und die Nutzung der Ultralytics Platform legt PO2 den Grundstein für eine neue Ära der kontinuierlichen, KI-gestützten Überwachung von Riffen und Biodiversität.

Link to this sectionDas Fundament für Ozean-Intelligenz schaffen#

Project Ocean Oasis entwickelt autonome, KI-fähige Systeme für langfristige Ozean-Intelligenz. In Zusammenarbeit mit WASSOC (einem Unterwassertechnik-Unternehmen mit über 40 Jahren Erfahrung), AWS und Ultralytics liefert PO2 eine End-to-End-Plattform, die robuste Hardware, Edge- und Cloud-basierte KI sowie wissenschaftlich validierte Datensätze kombiniert, um den evidenzbasierten Schutz mariner Ökosysteme zu unterstützen.

Jede PO2-Einheit ist darauf ausgelegt, mehrere KI-Modelle gleichzeitig auszuführen, mit genügend internem Spielraum für zukünftige Erweiterungen. Die Systeme sind so konstruiert, dass sie Riffströmungen, Korrosion und Biofouling standhalten, jahrelang wartungsfrei arbeiten und über verschiedene Umgebungen hinweg skalierbar sind.

Link to this sectionDie Herausforderung einer langfristigen, autonomen Riffüberwachung#

Die großflächige Überwachung von Riffen und mariner Biodiversität stellt eine Reihe einzigartiger Herausforderungen dar. Herkömmliche Methoden stützen sich auf Taucher, Boote und manuelle Datenerfassung, was teuer, sporadisch und für die untersuchten Ökosysteme oft störend ist. Während die Riffgesundheit weltweit abnimmt, wird die Lücke zwischen den Daten, die Wissenschaftler benötigen, und den Daten, die sie realistisch erfassen können, immer größer.

Selbst da Computer Vision und Edge-KI zugänglicher werden, bringt der Unterwassereinsatz dieser Technologien neue Einschränkungen mit sich. Die Geräte müssen solar- und batteriebetrieben sein, in der Lage sein, mehrere KI-Modelle parallel auszuführen, und robust genug sein, um jahrelange Salzwasserexposition ohne aktive Wartung zu überstehen. Energieeffizienz ist entscheidend: Bei nur etwa 600 Watt täglich verfügbarer Leistung muss jede Komponente, von der Kamera bis zum Inferenz-Chip, sorgfältig ausgewählt werden, um die Betriebszeit zu maximieren und gleichzeitig genaue Echtzeiterkenntnisse zu liefern.

Für PO2 fehlte ein Modell-Framework, das flexibel genug für eine Vielzahl von Edge-Hardware war, präzise genug für das Tracking mariner Biodiversität und einfach genug, um während der mehrjährigen Einsätze der Plattform weiterentwickelt zu werden.

Link to this sectionVon der Edge zur Cloud mit Ultralytics YOLO#

Die Überwachungsplattform von PO2 kombiniert Unterwasserkameras, Hydrophone und andere Sensoren, die auf autonomen, mit Solarpaneelen, Batterien und Satellitenkonnektivität ausgestatteten Bojen montiert sind.

Für Audio läuft das PO2 HydroPulse (ein kundenspezifisches eingebettetes Edge-Hydrophon) mit etwa 1,3 W auf handelsüblicher ARM-Hardware, was niedrig genug für den langfristigen Solar- und Batteriebetrieb ist.

Mit dem Ziel, auf den Kameras zu laufen, sollen Ultralytics YOLO Modelle auf der Edge-Hardware innerhalb des Systems bereitgestellt werden, um Echtzeit-Objekterkennung und Tracking auf Videostreams durchzuführen und so Fische und andere Meeresbewohner direkt unter Wasser zu identifizieren und zu verfolgen.

YOLO-Tracking verknüpft dasselbe Individuum über verschiedene Frames hinweg, sodass es nur einmal gezählt wird, wobei die Erkennung mit der höchsten Konfidenz als Datensatz für diesen Fisch verwendet wird. Ein einzelner Datensatz besteht im Wesentlichen aus:

{
  "label": "Acanthurus triostegus",
  "confidence": 0.94,
  "length_cm": 18
}

mit auf Sitzungsebene aggregierten MaxN-Zahlen und angehängtem Umweltkontext. Dies führt zu standardisierten, wissenschaftlich verwertbaren Daten anstatt zu Filmmaterial, das später erst gesichtet werden muss.

Abb. 1. Ultralytics YOLO26 bei der Erkennung auf Artenebene in Aufnahmen eines hawaiianischen Riffs.

Jede Kameraeinheit erkennt und verfolgt Objekte an der Edge und sendet dann kompakte strukturierte Ereignisse (JSON im Kilobyte-Bereich) anstatt Rohvideos.

Wenn das System ein Objekt von Interesse erkennt, werden die Inferenz-Ergebnisse per Satellit an eine Cloud-Architektur gesendet, wo sie aggregiert, analysiert und Wissenschaftlern sowie Naturschutzpartnern zur Verfügung gestellt werden. Dieses Edge-First-Design reduziert den Übertragungsaufwand drastisch, spart Energie und ermöglicht es der Plattform, jahrelang pro Einsatz ohne manuellen Eingriff zu funktionieren.

Um das System zukunftssicher zu machen, arbeitete PO2 eng mit Ultralytics zusammen, um die neueste Generation NPU-basierter Edge-KI-Beschleuniger zu evaluieren. Diese Zusammenarbeit half PO2 dabei, die richtigen Hardwarekombinationen für das strikte Energiebudget einzugrenzen und gleichzeitig die Flexibilität zu bewahren, neue KI-Modelle hinzuzufügen, wie etwa Audio-Inferenz auf Hydrophondaten, während die Plattform wächst.

Abb. 2. Darstellung der Lösung von Ocean Oasis.

Link to this sectionEin früher Anwender der Ultralytics Platform#

Zusätzlich zur Verwendung von Ultralytics YOLO Modellen in der Produktion wurde PO2 einer der allerersten Unternehmenskunden der Ultralytics Platform, der neuen End-to-End-Umgebung zum Annotieren, Trainieren und Bereitstellen von YOLO Modellen an einem Ort.

Mit der Ultralytics Platform kann das Team von PO2 marine Datensätze verwalten, sowohl Standard- als auch Ultralytics Enterprise YOLO26 Modelle trainieren, die Smart Annotation nutzen, um die Datenbeschriftung drastisch zu beschleunigen, und trainierte Modelle in praktisch jedes Format für den Einsatz auf ihrer Edge-Hardware exportieren. Dieser einheitliche Workflow hat PO2 dabei geholfen, schnell zu iterieren, während das Projekt wächst, und gleichzeitig Daten, Modelle und Experimente zentral zu verwalten, während das Team skaliert.

Link to this sectionWarum Ultralytics YOLO wählen?#

Für Project Ocean Oasis geht die Zusammenarbeit mit Ultralytics über die Modellperformance hinaus und bietet Zugang zu Fachwissen sowie eine einheitliche Plattform, die das Team in jeder Phase der Entwicklung unterstützt. Ultralytics YOLO Modelle bieten die Flexibilität, auf einer Vielzahl von Edge-Geräten zu laufen, von Ultra-Low-Power-MCUs bis hin zu leistungsstärkeren NPU-Beschleunigern, und liefern gleichzeitig die für die Überwachung der Biodiversität unter Wasser erforderliche Genauigkeit.

Durch die enge Zusammenarbeit mit Ultralytics konnte PO2 die komplexe Landschaft der Edge-KI-Beschleuniger navigieren und die richtigen Hardwarepartner für ihre mehrjährigen Einsatzziele identifizieren.

Link to this sectionAuf dem Weg zu einem gesünderen Ozean#

Project Ocean Oasis hat seine ersten Sensoren von der Edge-KI-Inferenz bis zum Cloud-Dashboard erfolgreich validiert und bereitet nun den Unterwassereinsatz vor. Der Hardware-Build ist partnerbereit, die Cloud-Architektur ist in Betrieb und wissenschaftliche Forscher sind an den Einsatzorten vor Ort.

Ab 2026 wird das Team standortübergreifend skalieren, die On-Device-KI-Suite erweitern und den Grundstein für ein vernetztes globales Überwachungsnetzwerk legen.

PO2 ist auf einen generationsübergreifenden Zeithorizont ausgelegt. Kontinuierliche marine Überwachung ist die grundlegende Ebene, die Wissensbasis, die alles nachgelagerte erst möglich macht. Die Arbeit besteht nicht darin, sie zu beenden, sondern sie gut zu beginnen.

Interessiert daran, eigene Vision AI-Lösungen zu entwickeln? Besuche unser GitHub-Repository, um Ultralytics YOLO Modelle zu erkunden, zu erfahren, wie YOLO Innovationen in KI im Naturschutz unterstützt, und sieh dir die Ultralytics Platform an, um mit dem Aufbau deiner eigenen End-to-End Vision AI-Workflows zu beginnen.