Ultralytics YOLOモデルにより、MarineSituは海洋エネルギーシステム周辺の野生生物検出を自動化し、96%を超える稼働率を達成するとともに、毎日の映像レビューをわずか1～2時間に短縮しました。
水中環境のモニタリングや海洋エネルギーシステムの監視は容易ではありませんが、こうしたインフラが周辺の生態系とどのように関わっているかを理解し、野生生物に害を及ぼすことなく安全に稼働していることを確認するために不可欠です。従来、研究者は何時間にもおよぶ水中映像を手作業で確認する必要がありましたが、濁った環境、強い潮流、安定しない視界によって、その作業はさらに困難になっていました。
MarineSituは、高解像度カメラ、コンピュータビジョン、イメージングソナー、環境センサー、機械学習モデルを使用して、研究者や組織による水中環境のモニタリングと理解を支援しています。たとえば、Ultralytics YOLOモデルを使用することで、同社のシステムは潮流タービンやその他の海洋エネルギーインフラの周囲を移動する野生生物を識別・追跡できます。
AIイノベーションによる、よりスマートな海洋モニタリング#
2016年に設立されたMarineSituは、Pacific Marine Energy Center（PMEC）とUniversity of Washington’s Applied Physics Lab（APL）での研究を起源としています。現在は、米国エネルギー省や米国海洋大気庁などの組織と連携しています。
SaltySuite™などのプラットフォームを通じて、MarineSituはカメラ、ソナー、ハイドロフォンなどの専用ハードウェアシステムと、AIを活用した検出モデルを統合し、複雑な水中環境をモニタリング・分析しています。特に、物体検出（画像内の個々の動物や物体の位置を特定し、識別する処理）、画像分類（内容に基づいて画像全体にラベルを割り当てる処理）、物体追跡（連続するフレーム間で検出された物体を追跡し、その動きを分析する処理）などのコンピュータビジョンタスクを適用することで、MarineSituは海洋エネルギー、漁業、環境研究を支援するリアルタイムの洞察を提供しています。
水中モニタリングが見た目以上に難しい理由#
海洋環境のモニタリングは、陸上の状況を観察するよりもはるかに困難です。視界は予告なく悪化することがあり、強い潮流によって機器が動かされ、海洋生物の付着によってカメラやセンサーがすぐに覆われる可能性があります。状況は時間単位で変化するため、一貫したデータ収集は困難です。
研究者やエネルギー事業者にとって、これは大きなボトルネックになります。プロジェクトでは映像、ソナー、音響データが数百テラバイトに達することがあり、手作業でのレビューは時間がかかり、現実的ではありません。
遠隔地の海洋サイトでは、帯域幅が限られているなど、さらなる課題に直面します。そのため、大容量の映像ファイルをクラウドに送信することが難しくなり、運用コストが増加するとともに、データセキュリティ上の懸念も生じます。
こうした課題を解決するため、MarineSituはクラウド転送に依存せず、水中ハードウェア上で直接データを処理するエッジAIアプローチを採用しています。これにより、野生生物や環境イベントをリアルタイムで検出し、研究者がレビューする必要のあるデータ量を削減できます。また、帯域幅が限られ、予測が難しい海洋環境でも、信頼性の高いモニタリングを維持できます。
Ultralytics YOLOモデルによるリアルタイム水中検出#
MarineSituは、海洋生物がこうした構造物とどのように関わるかを捉えるため、潮流タービン、港湾、研究施設、長期環境観測所など、厳しい条件の水中インフラ周辺にモニタリングシステムを配備しています。同社の適応型モニタリングパッケージ（AMP）は、高解像度光学カメラ、イメージングソナー、ハイドロフォン、LED照明、防汚システムを統合し、レンズやセンサーを数か月にわたってクリアな状態に保ちます。
MarineSituは、連続的に流入するマルチモーダルデータを解釈するため、カスタム学習したUltralytics YOLOモデルを使用して映像をリアルタイムに分析しています。これらのモデルは、タービンの影響範囲などを移動する海洋生物種を検出・追跡し、重要なイベントに自動でフラグを付けるとともに、関連するソナーおよび音響記録と関連付けます。
たとえば、クラゲがタービンの近くを漂う場合、Ultralytics YOLOv8やUltralytics YOLO11などのUltralytics YOLOモデルが対応するインスタンスセグメンテーションによって、画像内のクラゲの輪郭全体を捉えられます。これにより、野生生物との相互作用を、何時間にもおよぶ変化のない映像の中に埋もれさせることなく、完全な文脈情報とともに記録できます。
図1. Ultralytics YOLOモデルを使用してクラゲを検出・セグメンテーションする例。
なぜUltralytics YOLOモデルを選ぶのか#
Ultralytics YOLOモデルは、複雑な水中環境でのリアルタイム検出に必要な速度と精度をMarineSituに提供します。YOLOv8やYOLO11などのモデルは同社のエッジシステム上で効率的に動作し、TensorRTなどのフォーマットにエクスポートできます。
MarineSituとUltralytics YOLOによるモニタリングで96%の稼働率を達成#
MarineSituはUltralytics YOLOモデルを活用することで、厳しい海洋環境での長期展開中も、信頼性の高いリアルタイムの野生生物モニタリングを実現しています。
太平洋岸北西部で実施した141日間の展開では、MarineSituの適応型モニタリングパッケージ（AMP）が、強い潮流、低い視界、継続的な生物付着の影響にもかかわらず、96%を超える稼働率を維持しました。防汚システムは期間中、カメラポート、照明、イメージングソナーをクリアな状態に保ち、一貫して高品質なデータを取得できるようにしました。
システム上でYOLOを継続的に実行することで、研究者はタービン周辺を移動するアザラシ、魚、その他の生物種を追跡できました。自動物体検出とイベントフィルタリングにより、手作業でのレビュー時間は大幅に短縮されました。PNNLおよびUW-APLの研究者によると、YOLOがフラグを付けたイベントのレビューは、フィルタリングされていない映像を確認する時間のかかる作業と比べ、1日あたりわずか1～2時間で済むことが多かったとのことです。
図2. Ultralytics YOLOモデルを使用したアザラシの検出。
耐久性の高いハードウェアにマルチモーダルセンシングとリアルタイムコンピュータビジョンを組み合わせることで、MarineSituは野生生物との相互作用を完全かつ文脈豊かに把握できるようになりました。これは、手作業のレビューだけでは実現が極めて困難だったことです。このレベルの信頼性と効率性により、潮力エネルギープロジェクトの環境評価が加速し、海洋モニタリングシステムの新たな基準が確立されつつあります。
リアルタイムの海洋インテリジェンスを拡張#
MarineSituは、幅広い水中環境において、リアルタイムコンピュータビジョンの機能を引き続き拡張しています。潮流タービンに加え、同社のUltralytics YOLOを活用したシステムは、港湾での野生生物のモニタリング、サンゴ礁研究の支援、科学施設周辺の魚の行動観察、遠隔地の海洋サイトでの長期環境データ収集に使用されています。
検出パイプラインの中核にYOLOモデルを据え、MarineSituは種の認識精度の向上、エッジベースのAI処理の強化、従来の方法では困難またはコストが高い場所への自動モニタリングの導入に注力しています。同社は、水中モニタリングをより効率的で利用しやすいものにするとともに、海洋生態系が人間の活動とどのように関わっているかについて、研究者がより明確で迅速な洞察を得られるようにすることを目指しています。
AIにご興味がありますか？プロジェクトにVision AIを導入するため、ライセンスオプションをご確認ください。詳しくは、GitHubリポジトリをご覧ください。ソリューションページでロボティクスにおけるコンピュータビジョンと自動車業界におけるAIについてご覧ください。
