MarineSitu alcanza un tiempo de actividad superior al 96% en monitorización submarina utilizando Ultralytics YOLO

Monitoring underwater environments and marine energy systems isn’t easy, but it’s essential for understanding how this infrastructure interacts with the surrounding ecosystem and ensuring it operates safely without harming wildlife. Traditionally, researchers have had to manually sift through hours of underwater footage, a task made even harder by murky conditions, strong currents, and inconsistent visibility.

MarineSitu helps researchers and organizations monitor and understand underwater environments using high-resolution cameras, computer vision, imaging sonars, environmental sensors, and machine-learning models. For instance, using Ultralytics YOLO models, their systems can identify and track wildlife as it moves around tidal turbines and other marine energy infrastructure.

Monitorización marina más inteligente mediante la innovación en IA#

Fundada en 2016, MarineSitu se originó a partir de investigaciones en el Pacific Marine Energy Center (PMEC) y el Applied Physics Lab (APL) de la Universidad de Washington. Hoy, trabajan con organizaciones como el Departamento de Energía de EE. UU. y la Administración Nacional Oceánica y Atmosférica de EE. UU.

Through platforms like SaltySuite™, MarineSitu integrates its purpose-built hardware systems, including cameras, sonars, and hydrophones, with AI-powered detection models to monitor and analyze complex underwater environments. In particular, by applying computer vision tasks such as object detection (locating and identifying individual animals or objects within an image), image classification (assigning a label to an entire image based on its contents), and object tracking (following detected objects across consecutive frames to analyze their movement), MarineSitu provides real-time insights that support marine energy, fisheries, and environmental research.

Por qué la monitorización submarina es más difícil de lo que parece#

Monitoring marine environments is far more challenging than observing conditions on land. Visibility can drop without warning, strong currents shift equipment, and marine growth can quickly obscure cameras and sensors. Conditions can change from hour to hour, making consistent data collection difficult.

Para investigadores y operadores de energía, esto crea un cuello de botella importante. Los proyectos pueden generar cientos de terabytes de datos de vídeo, sonar y acústicos, lo que hace que la revisión manual sea lenta y poco práctica.

Los sitios oceánicos remotos se enfrentan a obstáculos adicionales, como un ancho de banda limitado, lo que dificulta el envío de archivos de vídeo grandes a la nube. Esto aumenta los costes operativos y plantea problemas de seguridad de los datos.

To solve these challenges, MarineSitu uses an edge AI approach that processes data directly on underwater hardware rather than relying on cloud transfers. This enables real-time detection of wildlife and environmental events, reduces the amount of data researchers need to review, and keeps monitoring reliable even in low-bandwidth, unpredictable ocean conditions.

Detección submarina en tiempo real utilizando modelos de Ultralytics YOLO#

MarineSitu despliega sus sistemas de monitorización en torno a infraestructuras submarinas exigentes, incluyendo turbinas mareomotrices, puertos, instalaciones de investigación y observatorios ambientales a largo plazo, para capturar cómo interactúa la vida marina con estas estructuras. Su Adaptable Monitoring Package (AMP) integra cámaras ópticas de alta resolución, sonares de imagen, hidrófonos, iluminación LED y sistemas antiincrustantes que mantienen las lentes y sensores despejados durante meses.

Para interpretar el flujo continuo de datos multimodales, MarineSitu utiliza modelos de Ultralytics YOLO entrenados a medida para analizar el metraje de vídeo en tiempo real. Estos modelos detectan y rastrean especies marinas mientras se mueven por áreas como el campo de influencia de una turbina, marcando automáticamente eventos importantes y alineándolos con las grabaciones sonoras y acústicas asociadas.

For instance, when a jellyfish drifts near the turbine, instance segmentation supported by Ultralytics YOLO models like Ultralytics YOLOv8 and Ultralytics YOLO11 can capture its full outline in the image. This ensures that wildlife interactions are captured with full contextual detail instead of being buried within hours of uneventful footage.

Fig 1. Un ejemplo de uso de modelos de Ultralytics YOLO para detectar y segmentar medusas.

¿Por qué elegir los modelos Ultralytics YOLO?#

Ultralytics YOLO models give MarineSitu the speed and accuracy required for real-time detection in complex underwater environments. Models such as YOLOv8 and YOLO11 run efficiently on their edge systems and can be exported to formats like TensorRT.

La monitorización de MarineSitu con Ultralytics YOLO alcanza un 96% de tiempo de actividad#

El uso por parte de MarineSitu de los modelos de Ultralytics YOLO ha permitido una monitorización fiable de la fauna en tiempo real durante despliegues a largo plazo en condiciones oceánicas complicadas.

En un despliegue de 141 días en el Pacífico Noroeste, el Adaptable Monitoring Package de MarineSitu, o AMP, mantuvo más del 96% de tiempo de actividad a pesar de las fuertes corrientes, la baja visibilidad y la presión constante de la bioincrustación. Los sistemas antiincrustantes mantuvieron los puertos de las cámaras, las luces y los sonares de imagen despejados todo el tiempo, asegurando datos consistentes de alta calidad.

Con YOLO ejecutándose continuamente en el sistema, los investigadores podían seguir a focas, peces y otras especies a medida que se movían alrededor de la turbina. La detección automática de objetos y el filtrado de eventos redujeron drásticamente el tiempo de revisión manual. Según los investigadores de PNNL y UW-APL, revisar los eventos marcados por YOLO a menudo tomaba solo una o dos horas al día, en comparación con el proceso lento de escanear metraje sin filtrar.

Fig 2. Detección de una foca utilizando un modelo de Ultralytics YOLO.

Al combinar hardware duradero con detección multimodal y visión artificial en tiempo real, MarineSitu ofreció una visión completa y contextual de las interacciones de la fauna, algo que habría sido extremadamente difícil de lograr solo mediante la revisión manual. Este nivel de fiabilidad y eficiencia está ayudando a acelerar las evaluaciones ambientales para proyectos de energía mareomotriz y elevando el estándar para los sistemas de monitorización marina.

Escalar la inteligencia marina en tiempo real#

MarineSitu continúa ampliando sus capacidades de visión artificial en tiempo real a través de una amplia gama de entornos submarinos. Más allá de las turbinas mareomotrices, sus sistemas impulsados por Ultralytics YOLO se utilizan para monitorizar la fauna en puertos, apoyar la investigación de arrecifes de coral, observar el comportamiento de los peces alrededor de instalaciones científicas y recopilar datos ambientales a largo plazo en sitios oceánicos remotos.

Con los modelos de YOLO en el núcleo de su proceso de detección, MarineSitu se centra en mejorar el reconocimiento de especies, fortalecer el procesamiento de IA basado en el borde y llevar la monitorización automatizada a más ubicaciones donde los métodos convencionales son difíciles o costosos. Aspiran a hacer la monitorización submarina más eficiente y accesible, mientras ofrecen a los investigadores información más clara y rápida sobre cómo interactúan los ecosistemas marinos con la actividad humana.

Curious about AI? Check out our licensing options to bring Vision AI to your projects. Visit our GitHub repository to learn more. Explore computer vision in robotics and AI in the automotive industry on our solution pages.