MarineSitu достигает 96%+ времени безотказной работы при подводном мониторинге с использованием Ultralytics YOLO

Мониторинг подводных сред и систем морской энергетики — задача не из легких, но она необходима для понимания того, как эта инфраструктура взаимодействует с окружающей экосистемой, и обеспечения ее безопасной работы без вреда для дикой природы. Традиционно исследователям приходилось вручную просматривать часы подводных видеозаписей, и эта задача усложнялась мутной водой, сильными течениями и нестабильной видимостью.

MarineSitu помогает исследователям и организациям отслеживать и изучать подводные среды с помощью камер высокого разрешения, компьютерного зрения, гидролокаторов, экологических датчиков и моделей машинного обучения. Например, используя модели Ultralytics YOLO, их системы могут распознавать и отслеживать дикую природу по мере ее перемещения вокруг приливных турбин и другой инфраструктуры морской энергетики.

Более интеллектуальный морской мониторинг благодаря инновациям в области ИИ#

Компания MarineSitu была основана в 2016 году на базе исследований Тихоокеанского центра морской энергетики (PMEC) и Лаборатории прикладной физики (APL) Вашингтонского университета. Сегодня они сотрудничают с такими организациями, как Министерство энергетики США и Национальное управление океанических и атмосферных исследований США.

С помощью таких платформ, как SaltySuite™, MarineSitu объединяет свои специализированные аппаратные системы (включая камеры, гидролокаторы и гидрофоны) с моделями обнаружения на базе ИИ для мониторинга и анализа сложных подводных сред. В частности, применяя задачи компьютерного зрения, такие как обнаружение объектов (определение местоположения и идентификация отдельных животных или предметов на изображении), классификация изображений (присвоение метки всему изображению на основе его содержимого) и отслеживание объектов (сопровождение обнаруженных объектов в последовательных кадрах для анализа их движения), MarineSitu предоставляет аналитику в реальном времени, которая поддерживает исследования в области морской энергетики, рыбного хозяйства и экологии.

Почему подводный мониторинг сложнее, чем кажется#

Мониторинг морских сред намного сложнее наблюдения за наземными условиями. Видимость может падать без предупреждения, сильные течения смещают оборудование, а морские обрастания способны быстро затянуть камеры и датчики. Условия могут меняться от часа к часу, что затрудняет сбор последовательных данных.

Для исследователей и энергетических операторов это создает серьезное препятствие. Проекты могут генерировать сотни терабайт видео, данных гидролокаторов и акустических записей, что делает ручной анализ медленным и непрактичным.

Удаленные океанские объекты сталкиваются с дополнительными трудностями, такими как ограниченная пропускная способность сети, из-за чего сложно отправлять большие видеофайлы в облако. Это увеличивает эксплуатационные расходы и создает проблемы с безопасностью данных.

Для решения этих задач MarineSitu использует подход edge AI, который обрабатывает данные непосредственно на подводном оборудовании, а не полагается на передачу в облако. Это обеспечивает обнаружение диких животных и экологических событий в реальном времени, сокращает объем данных, которые необходимо просматривать исследователям, и поддерживает надежность мониторинга даже в условиях низкой пропускной способности сети и непредсказуемого океана.

Подводное обнаружение в реальном времени с использованием моделей Ultralytics YOLO#

MarineSitu развертывает свои системы мониторинга вокруг сложной подводной инфраструктуры, включая приливные турбины, порты, исследовательские установки и долгосрочные экологические обсерватории, чтобы зафиксировать, как морские обитатели взаимодействуют с этими сооружениями. Их Adaptable Monitoring Package (AMP) объединяет оптические камеры высокого разрешения, гидролокаторы, гидрофоны, светодиодное освещение и системы защиты от обрастания, которые месяцами поддерживают чистоту линз и датчиков.

Для интерпретации непрерывного потока мультимодальных данных MarineSitu использует специально обученные модели Ultralytics YOLO, чтобы анализировать видеозаписи в реальном времени. Эти модели обнаруживают и отслеживают морские виды по мере их перемещения в зонах, таких как область влияния турбины, автоматически отмечая важные события и сопоставляя их с соответствующими записями гидролокаторов и акустическими данными.

Например, когда медуза проплывает рядом с турбиной, сегментация экземпляров на базе моделей Ultralytics YOLO, таких как Ultralytics YOLOv8 и Ultralytics YOLO11, позволяет зафиксировать ее полный контур на изображении. Это гарантирует, что взаимодействия с дикой природой фиксируются с полными контекстными деталями, а не теряются среди часов ничем не примечательных видеозаписей.

Рис. 1. Пример использования моделей Ultralytics YOLO для обнаружения и сегментации медуз.

Почему стоит выбрать модели Ultralytics YOLO?#

Модели Ultralytics YOLO обеспечивают MarineSitu скорость и точность, необходимые для обнаружения в реальном времени в сложных подводных средах. Такие модели, как YOLOv8 и YOLO11, эффективно работают на их периферийных системах и могут экспортироваться в такие форматы, как TensorRT.

Мониторинг MarineSitu с использованием Ultralytics YOLO достигает 96% времени безотказной работы#

Использование моделей Ultralytics YOLO позволило MarineSitu обеспечить надежный мониторинг дикой природы в реальном времени во время длительных развертываний в сложных океанских условиях.

В ходе одного из 141-дневных развертываний на северо-западе Тихого океана система Adaptable Monitoring Package, или AMP, от MarineSitu поддерживала более 96% времени безотказной работы, несмотря на сильные течения, плохую видимость и постоянное воздействие биообрастания. Системы защиты от обрастания поддерживали чистоту портов камер, осветительных приборов и гидролокаторов всё это время, обеспечивая стабильно высокое качество данных.

Поскольку YOLO постоянно работала в системе, исследователи могли отслеживать тюленей, рыбу и другие виды, перемещающиеся вокруг турбины. Автоматизированное обнаружение объектов и фильтрация событий значительно сократили время ручного просмотра. По словам исследователей из PNNL и UW-APL, проверка событий, помеченных YOLO, часто занимала всего час или два в день, по сравнению с трудоемким процессом сканирования неотфильтрованного материала.

Рис. 2. Обнаружение тюленя с помощью модели Ultralytics YOLO.

Сочетая надежное оборудование с мультимодальными датчиками и компьютерным зрением в реальном времени, MarineSitu предоставила полную и контекстную картину взаимодействий с дикой природой, чего было бы крайне трудно достичь только при ручном просмотре. Этот уровень надежности и эффективности помогает ускорить экологическую оценку проектов приливной энергетики и повышает стандарты систем морского мониторинга.

Масштабирование морской интеллектуальной системы в реальном времени#

MarineSitu продолжает расширять свои возможности компьютерного зрения в реальном времени для широкого спектра подводных условий. Помимо приливных турбин, их системы на базе Ultralytics YOLO используются для мониторинга дикой природы в портах, поддержки исследований коралловых рифов, наблюдения за поведением рыб вокруг научных установок и сбора долгосрочных экологических данных в удаленных океанских точках.

Используя модели YOLO в основе своего конвейера обнаружения, MarineSitu фокусируется на улучшении распознавания видов, усилении обработки ИИ на граничных устройствах и внедрении автоматизированного мониторинга в большем количестве мест, где традиционные методы сложны или дорогостоящи. Они стремятся сделать подводный мониторинг более эффективным и доступным, предоставляя исследователям более четкие и быстрые данные о том, как морские экосистемы взаимодействуют с деятельностью человека.

Интересуешься искусственным интеллектом? Ознакомься с нашими вариантами лицензирования, чтобы внедрить визуальный ИИ в свои проекты. Посети наш репозиторий на GitHub, чтобы узнать больше. Изучи компьютерное зрение в робототехнике и ИИ в автомобильной промышленности на страницах наших решений.