MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO

Surveiller des environnements sous-marins et des systèmes d'énergie marine n'est pas simple, mais c'est essentiel pour comprendre comment cette infrastructure interagit avec l'écosystème environnant et garantir qu'elle fonctionne en toute sécurité sans nuire à la faune. Traditionnellement, les chercheurs devaient trier manuellement des heures de séquences sous-marines, une tâche rendue encore plus difficile par des conditions troubles, des courants forts et une visibilité inconstante.

MarineSitu aide les chercheurs et les organisations à surveiller et à comprendre les environnements sous-marins à l'aide de caméras haute résolution, de computer vision, de sonars d'imagerie, de capteurs environnementaux et de modèles de machine-learning. Par exemple, en utilisant les Ultralytics YOLO models, leurs systèmes peuvent identifier et suivre la faune lorsqu'elle se déplace autour des hydroliennes et d'autres infrastructures d'énergie marine.

Une surveillance marine plus intelligente grâce à l'innovation en IA#

Fondée en 2016, MarineSitu est issue de recherches menées au Pacific Marine Energy Center (PMEC) et au Applied Physics Lab (APL) de l'Université de Washington. Aujourd'hui, ils travaillent avec des organisations telles que le département de l'Énergie des États-Unis et la National Oceanic and Atmospheric Administration des États-Unis.

À travers des plates-formes comme SaltySuite™, MarineSitu intègre ses systèmes matériels spécialement conçus, incluant des caméras, des sonars et des hydrophones, avec des modèles de détection alimentés par l'IA pour surveiller et analyser des environnements sous-marins complexes. En particulier, en appliquant des computer vision tasks telles que la détection d'objets (localiser et identifier des animaux ou des objets individuels dans une image), la classification d'images (attribuer une étiquette à une image entière en fonction de son contenu) et le suivi d'objets (suivre des objets détectés à travers des trames consécutives pour analyser leur mouvement), MarineSitu fournit des informations en temps réel qui soutiennent la recherche sur l'énergie marine, la pêche et l'environnement.

Pourquoi la surveillance sous-marine est plus difficile qu'elle n'en a l'air#

La surveillance des marine environments est bien plus difficile que l'observation des conditions sur terre. La visibilité peut chuter sans avertissement, de forts courants déplacent l'équipement, et la croissance marine peut rapidement obscurcir les caméras et les capteurs. Les conditions peuvent changer d'une heure à l'autre, rendant la collecte de données cohérente difficile.

Pour les chercheurs et les opérateurs énergétiques, cela crée un goulot d'étranglement majeur. Les projets peuvent générer des centaines de téraoctets de données vidéo, sonar et acoustiques, ce qui rend l'examen manuel lent et peu pratique.

Les sites océaniques distants font face à des obstacles supplémentaires, tels qu'une bande passante limitée, ce qui rend difficile l'envoi de fichiers vidéo volumineux vers le cloud. Cela augmente les coûts opérationnels et introduit des préoccupations en matière de sécurité des données.

Pour résoudre ces défis, MarineSitu utilise une approche d'edge AI qui traite les données directement sur le matériel sous-marin plutôt que de compter sur les transferts cloud. Cela permet la détection en temps réel de la faune et des événements environnementaux, réduit la quantité de données que les chercheurs doivent examiner et maintient la surveillance fiable même dans des conditions océaniques imprévisibles et à faible bande passante.

Détection sous-marine en temps réel utilisant les modèles Ultralytics YOLO#

MarineSitu déploie ses systèmes de surveillance autour d'infrastructures sous-marines exigeantes, notamment des turbines marémotrices, des ports, des installations de recherche et des observatoires environnementaux à long terme, afin de capturer la manière dont la vie marine interagit avec ces structures. Leur Adaptable Monitoring Package (AMP) intègre des caméras optiques haute résolution, des sonars d'imagerie, des hydrophones, un éclairage LED et des systèmes antisalissure qui gardent les lentilles et les capteurs propres pendant des mois.

Pour interpréter le flux continu de données multimodales, MarineSitu utilise des modèles Ultralytics YOLO personnalisés pour analyser les séquences vidéo en temps réel. Ces modèles détectent et suivent les espèces marines lorsqu'elles se déplacent dans des zones telles que le champ d'influence d'une turbine, signalant automatiquement les événements importants et les alignant avec les enregistrements sonar et acoustiques associés.

Par exemple, lorsqu'une méduse dérive près de la turbine, la segmentation d'instance prise en charge par les Ultralytics YOLO models tels que Ultralytics YOLOv8 et Ultralytics YOLO11 peut capturer son contour complet dans l'image. Cela garantit que les interactions avec la faune sont capturées avec tous les détails contextuels au lieu d'être enfouies dans des heures de séquences sans incident.

Fig 1. Un exemple d'utilisation des modèles Ultralytics YOLO pour détecter et segmenter des méduses.

Pourquoi choisir les modèles Ultralytics YOLO ?#

Les Ultralytics YOLO models donnent à MarineSitu la vitesse et la précision requises pour la détection en temps réel dans des environnements sous-marins complexes. Des modèles tels que YOLOv8 et YOLO11 s'exécutent efficacement sur leurs systèmes edge et peuvent être exportés vers des formats comme TensorRT.

La surveillance MarineSitu et Ultralytics YOLO atteint 96 % de temps de disponibilité#

L'utilisation par MarineSitu des modèles Ultralytics YOLO a permis une surveillance fiable et en temps réel de la faune lors de déploiements à long terme dans des conditions océaniques délicates.

Lors d'un déploiement de 141 jours dans le nord-ouest du Pacifique, le MarineSitu Adaptable Monitoring Package, ou AMP, a maintenu plus de 96 % de temps de disponibilité malgré les courants forts, la faible visibilité et la pression constante du bio-encrassement. Les systèmes antisalissure ont gardé les ports des caméras, les lumières et les sonars d'imagerie propres pendant toute la durée, garantissant des données cohérentes de haute qualité.

Avec YOLO fonctionnant en continu sur le système, les chercheurs pouvaient suivre les phoques, les poissons et d'autres espèces lorsqu'ils se déplaçaient autour de la turbine. La détection automatique d'objets et le filtrage des événements ont considérablement réduit le temps d'examen manuel. Selon les chercheurs du PNNL et de l'UW-APL, l'examen des événements signalés par YOLO ne prenait souvent qu'une heure ou deux par jour, comparé au processus chronophage consistant à scanner les séquences non filtrées.

Fig 2. Détection d'un phoque à l'aide d'un modèle Ultralytics YOLO.

En associant un matériel durable à une détection multimodale et à la vision par ordinateur en temps réel, MarineSitu a fourni une vue complète et contextuelle des interactions avec la faune, ce qui aurait été extrêmement difficile à réaliser par un examen manuel seul. Ce niveau de fiabilité et d'efficacité contribue à accélérer les évaluations environnementales pour les projets d'énergie marémotrice et relève la norme pour les systèmes de surveillance marine.

Mise à l'échelle de l'intelligence marine en temps réel#

MarineSitu continue d'étendre ses capacités de vision par ordinateur en temps réel à un large éventail de contextes sous-marins. Au-delà des turbines marémotrices, leurs systèmes propulsés par Ultralytics YOLO sont utilisés pour surveiller la faune dans les ports, soutenir la recherche sur les récifs coralliens, observer le comportement des poissons autour des installations scientifiques et collecter des données environnementales à long terme sur des sites océaniques distants.

Avec les modèles YOLO au cœur de leur pipeline de détection, MarineSitu se concentre sur l'amélioration de la reconnaissance des espèces, le renforcement du traitement par IA en périphérie et l'apport de la surveillance automatisée dans davantage d'endroits où les méthodes conventionnelles sont difficiles ou coûteuses. Ils visent à rendre la surveillance sous-marine plus efficace et accessible tout en donnant aux chercheurs des informations plus claires et plus rapides sur la façon dont les écosystèmes marins interagissent avec l'activité humaine.

Curieux de l'IA ? Consulte nos licensing options pour apporter Vision AI à tes projets. Visite notre GitHub repository pour en savoir plus. Explore computer vision in robotics et AI in the automotive industry sur nos pages de solutions.