MarineSituがUltralytics YOLOを使用して水中モニタリングで96%以上の稼働率を達成

水中環境や海洋エネルギーシステムのモニタリングは容易ではありませんが、このインフラストラクチャが周囲の生態系とどのように相互作用し、野生生物に害を与えることなく安全に稼働することを保証するために不可欠です。従来、研究者は何時間もの水中映像を手動で確認せざるを得ませんでした。これは、濁った環境、強い潮流、一貫性のない視界によってさらに困難になる作業です。

MarineSituは、高解像度カメラ、コンピュータービジョン、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、研究者や組織が水中環境をモニタリングして理解することを支援します。例えば、Ultralytics YOLOモデルを使用することで、システムは潮力タービンやその他の海洋エネルギーインフラストラクチャの周囲を移動する野生生物を識別して追跡できます。

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、パシフィック海洋エネルギーセンター(PMEC)およびワシントン大学応用物理学研究所(APL)での研究から始まりました。今日では、米国エネルギー省や米国海洋大気庁(NOAA)などの組織と協力しています。

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をAI駆動の検出モデルと統合し、複雑な水中環境をモニタリングおよび分析します。特に、オブジェクト検出（画像内の個々の動物やオブジェクトの位置特定と識別）、画像分類（コンテンツに基づいて画像全体にラベルを割り当てる）、オブジェクト追跡（連続するフレームにわたって検出されたオブジェクトを追跡して動きを分析する）などのコンピュータービジョンタスクを適用することにより、MarineSituは海洋エネルギー、水産業、環境研究をサポートするリアルタイムのインサイトを提供します。

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。視界は警告なしに低下し、強い潮流が機器を移動させ、海洋生物の付着によってカメラやセンサーがすぐに隠れてしまうことがあります。状況は1時間ごとに変化する可能性があり、一貫したデータ収集が困難になります。

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を生み出します。プロジェクトは数百テラバイトのビデオ、ソナー、音響データを生成する可能性があり、その手動確認は遅く非現実的です。

遠隔地の海洋サイトは、帯域幅の制限といったさらなるハードルに直面しており、大容量のビデオファイルをクラウドに送信することが困難です。これは運用コストを増加させ、データセキュリティに関する懸念も引き起こします。

これらの課題を解決するために、MarineSituはクラウド転送に依存するのではなく、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のリアルタイム検出が可能になり、研究者がレビューする必要のあるデータ量が削減され、帯域幅が狭く予測不可能な海洋状況でもモニタリングの信頼性が維持されます。

Ultralytics YOLOモデルを使用したリアルタイム水中検知#

MarineSituは、潮力タービン、港湾、研究施設、長期環境観測所など、要求の厳しい水中インフラ周辺に監視システムを配備し、海洋生物がこれらの構造物とどのように相互作用するかを捉えています。彼らのAdaptable Monitoring Package (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、およびレンズやセンサーを数ヶ月間クリアに保つ防汚システムを統合しています。

マルチモーダルデータの連続ストリームを解釈するために、MarineSituは独自に学習させたUltralytics YOLOモデルを使用して、ビデオ映像をリアルタイムで分析しています。これらのモデルは、タービンの影響範囲内を移動する海洋種を検知・追跡し、重要なイベントを自動的にフラグ付けして、それに関連するソナーや音響記録と照合します。

例えば、クラゲがタービンの近くを漂っているとき、Ultralytics YOLOv8やUltralytics YOLO11などのUltralytics YOLOモデルによってサポートされるインスタンスセグメンテーションは、画像内のその輪郭全体をキャプチャできます。これにより、野生生物との相互作用が、何時間もの何気ない映像の中に埋もれることなく、完全なコンテキストの詳細とともにキャプチャされることが保証されます。

図1。Ultralytics YOLOモデルを使用してクラゲを検知・セグメンテーションした例。

なぜUltralytics YOLOモデルが選ばれるのか#

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などのモデルはエッジシステム上で効率的に実行され、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のモニタリングで96%の稼働率を達成#

MarineSituによるUltralytics YOLOモデルの採用は、過酷な海洋状況下での長期配備において、信頼性の高いリアルタイム野生生物モニタリングを可能にしました。

太平洋岸北西部での141日間の配備において、MarineSituのAdaptable Monitoring Package（AMP）は、強い潮流、低い視界、絶え間ない生物付着の圧力にもかかわらず、96%以上の稼働率を維持しました。防汚システムがカメラポート、照明、イメージングソナーを常時クリアに保ち、一貫した高品質なデータを確保しました。

システム上でYOLOを継続的に実行することで、研究者はアザラシ、魚、その他の種がタービンの周囲を移動する様子を追跡できました。自動化された物体検知とイベントフィルタリングにより、手動確認の時間が大幅に削減されました。PNNLおよびUW-APLの研究者によると、YOLOによってフラグ付けされたイベントの確認は毎日わずか1〜2時間で済み、フィルターされていない映像をスキャンする時間のかかるプロセスと比較して効率的でした。

図2。Ultralytics YOLOモデルを使用したアザラシの検知。

耐久性の高いハードウェアとマルチモーダルセンシング、そしてリアルタイムのコンピュータービジョンを組み合わせることで、MarineSituは野生生物の相互作用に関する完全で文脈的なビューを提供しました。これは手動確認だけでは達成が極めて困難だったものです。この信頼性と効率性の高さは、潮力エネルギープロジェクトの環境評価を加速させ、海洋モニタリングシステムの基準を引き上げています。

リアルタイム海洋インテリジェンスの拡大#

MarineSituは、幅広い水中環境において、リアルタイムのコンピュータービジョン機能を継続的に拡張しています。潮力タービン以外にも、彼らのUltralytics YOLOを活用したシステムは、港湾における野生生物の監視、サンゴ礁の研究支援、科学施設周辺の魚の行動観察、そして遠隔地の海洋サイトでの長期的な環境データ収集に使用されています。

検知パイプラインの中心にYOLOモデルを据えることで、MarineSituは種の認識向上、エッジベースのAI処理の強化、そして従来の手法では困難またはコストがかかる場所への自動モニタリング導入に注力しています。彼らは、海洋モニタリングをより効率的で身近なものにすると同時に、海洋生態系が人間の活動とどのように相互作用しているかについて、より明確で迅速な洞察を研究者に提供することを目指しています。

AIに興味がありますか？ライセンスオプションを確認して、プロジェクトにビジョンAIを導入してください。詳細については、GitHubリポジトリにアクセスしてください。ソリューションページで、ロボット工学におけるコンピュータービジョンと自動車産業におけるAIを探索してください。