MarineSitu, Ultralytics YOLO kullanarak su altı izlemede %96'nın üzerinde çalışma süresine ulaşıyor

Su altı izleme ortamları ve deniz enerjisi sistemleri kolay değildir ancak bu altyapının çevredeki ekosistemle nasıl etkileşime girdiğini anlamak ve yaban hayatına zarar vermeden güvenli bir şekilde çalışmasını sağlamak için şarttır. Geleneksel olarak araştırmacılar, bulanık koşullar, güçlü akıntılar ve değişken görüş mesafesi gibi durumlarla daha da zorlaşan bir görev olan saatlerce süren su altı görüntülerini manuel olarak taramak zorunda kalıyorlardı.

MarineSitu, araştırmacıların ve kuruluşların yüksek çözünürlüklü kameralar, bilgisayarlı görü, görüntüleme sonarları, çevresel sensörler ve makine öğrenimi modellerini kullanarak su altı ortamlarını izlemelerine ve anlamalarına yardımcı olur. Örneğin, Ultralytics YOLO modellerini kullanarak sistemleri, gelgit türbinleri ve diğer deniz enerjisi altyapıları etrafında hareket eden yaban hayatını tanımlayabilir ve takip edebilir.

Link to this sectionYapay zeka inovasyonu ile daha akıllı deniz izleme#

2016 yılında kurulan MarineSitu, Pacific Marine Energy Center (PMEC) ve Washington Üniversitesi Uygulamalı Fizik Laboratuvarı’ndaki (APL) araştırmalardan doğmuştur. Bugün, ABD Enerji Bakanlığı ve ABD Ulusal Okyanus ve Atmosfer İdaresi gibi kuruluşlarla birlikte çalışmaktadırlar.

SaltySuite™ gibi platformlar aracılığıyla MarineSitu, kameralar, sonarlar ve hidrofonlar dahil olmak üzere amaca yönelik donanım sistemlerini, karmaşık su altı ortamlarını izlemek ve analiz etmek için yapay zeka destekli tespit modelleriyle entegre eder. Özellikle nesne tespiti (bir görüntüdeki hayvanları veya nesneleri bulma ve tanımlama), görüntü sınıflandırma (içeriğine göre bir görüntüye etiket atama) ve nesne takibi (hareketlerini analiz etmek için tespit edilen nesneleri ardışık karelerde izleme) gibi bilgisayarlı görü görevlerini uygulayarak MarineSitu, deniz enerjisi, balıkçılık ve çevre araştırmalarını destekleyen gerçek zamanlı içgörüler sağlar.

Link to this sectionSu altı izleme neden göründüğünden daha zordur#

Deniz ortamlarını izlemek, karadaki koşulları gözlemlemekten çok daha zordur. Görüş mesafesi uyarı olmadan düşebilir, güçlü akıntılar ekipmanı kaydırabilir ve denizel büyüme kameraları ve sensörleri hızla kaplayabilir. Koşullar saatten saate değişebilir ve bu da tutarlı veri toplamayı zorlaştırır.

Araştırmacılar ve enerji operatörleri için bu durum büyük bir darboğaz yaratır. Projeler, manuel incelemeyi yavaş ve pratik olmayan hale getiren yüzlerce terabaytlık video, sonar ve akustik veri üretebilir.

Uzak okyanus bölgeleri, büyük video dosyalarını buluta göndermeyi zorlaştıran sınırlı bant genişliği gibi ek engellerle karşı karşıyadır. Bu, operasyonel maliyetleri artırır ve veri güvenliği endişelerini beraberinde getirir.

Bu zorlukları çözmek için MarineSitu, bulut aktarımlarına güvenmek yerine verileri doğrudan su altı donanımı üzerinde işleyen bir uç yapay zeka yaklaşımı kullanır. Bu, yaban hayatının ve çevresel olayların gerçek zamanlı tespitini sağlar, araştırmacıların incelemesi gereken veri miktarını azaltır ve düşük bant genişliğine sahip, öngörülemeyen okyanus koşullarında bile izlemenin güvenilir kalmasını sağlar.

Link to this sectionUltralytics YOLO modelleri ile gerçek zamanlı su altı tespiti#

MarineSitu, deniz yaşamının bu yapılarla nasıl etkileşime girdiğini yakalamak için gelgit türbinleri, limanlar, araştırma tesisleri ve uzun vadeli çevresel gözlemevleri dahil olmak üzere zorlu su altı altyapıları çevresinde izleme sistemlerini konuşlandırır. Adaptable Monitoring Package (AMP) sistemleri, yüksek çözünürlüklü optik kameraları, görüntüleme sonarlarını, hidrofonları, LED aydınlatmayı ve lensleri ve sensörleri aylarca temiz tutan zehirli boya önleyici sistemleri entegre eder.

Sürekli çok modlu veri akışını yorumlamak için MarineSitu, video görüntülerini gerçek zamanlı olarak analiz etmek amacıyla özel olarak eğitilmiş Ultralytics YOLO modellerini kullanır. Bu modeller, türbinin etki alanı gibi alanlardan geçerken deniz türlerini tespit edip takip eder, önemli olayları otomatik olarak işaretler ve bunları ilgili sonar ve akustik kayıtlarıyla hizalar.

Örneğin, bir denizanası türbinin yakınında sürüklendiğinde, Ultralytics YOLOv8 ve Ultralytics YOLO11 gibi Ultralytics YOLO modelleri tarafından desteklenen örnek bölümleme (instance segmentation), görüntünün tam ana hatlarını yakalayabilir. Bu, yaban hayatı etkileşimlerinin saatlerce süren olaysız görüntüler içinde kaybolmak yerine tüm bağlamsal ayrıntılarıyla yakalanmasını sağlar.

Şekil 1. Denizanasını tespit etmek ve bölümlere ayırmak için Ultralytics YOLO modellerinin kullanımına bir örnek.

Link to this sectionNeden Ultralytics YOLO modellerini seçmelisin?#

Ultralytics YOLO modelleri, MarineSitu’ya karmaşık su altı ortamlarında gerçek zamanlı tespit için gereken hızı ve doğruluğu sağlar. YOLOv8 ve YOLO11 gibi modeller, uç sistemlerinde verimli bir şekilde çalışır ve TensorRT gibi formatlara dışa aktarılabilir.

Link to this sectionMarineSitu ve Ultralytics YOLO izleme %96 çalışma süresine ulaşıyor#

MarineSitu’nun Ultralytics YOLO modellerini kullanımı, zorlu okyanus koşullarında uzun vadeli konuşlandırmalar sırasında güvenilir, gerçek zamanlı yaban hayatı izlemeyi mümkün kılmıştır.

Pasifik Kuzeybatı’daki 141 günlük bir konuşlandırmada, MarineSitu Adaptable Monitoring Package veya AMP, güçlü akıntılara, düşük görüş mesafesine ve sürekli biyolojik kirlenme baskısına rağmen %96’nın üzerinde çalışma süresini korudu. Zehirli boya önleyici sistemler kamera girişlerini, ışıkları ve görüntüleme sonarlarını tüm süre boyunca temiz tutarak tutarlı ve yüksek kaliteli veriler sağladı.

YOLO sistem üzerinde sürekli çalışırken, araştırmacılar türbin çevresinde hareket eden fokları, balıkları ve diğer türleri takip edebildiler. Otomatik nesne tespiti ve olay filtreleme, manuel inceleme süresini önemli ölçüde azalttı. PNNL ve UW-APL araştırmacılarına göre, YOLO ile işaretlenmiş olayları gözden geçirmek, filtrelenmemiş görüntüleri taramanın zaman alıcı süreciyle karşılaştırıldığında genellikle her gün sadece bir veya iki saat sürdü.

Şekil 2. Ultralytics YOLO modeli kullanarak bir fokun tespiti.

Dayanıklı donanımı çok modlu algılama ve gerçek zamanlı bilgisayarlı görü ile eşleştiren MarineSitu, yalnızca manuel inceleme ile elde edilmesi son derece zor olacak yaban hayatı etkileşimlerinin eksiksiz ve bağlamsal bir görünümünü sağladı. Bu güvenilirlik ve verimlilik düzeyi, gelgit enerjisi projeleri için çevresel değerlendirmeleri hızlandırmaya yardımcı oluyor ve deniz izleme sistemleri için standardı yükseltiyor.

Link to this sectionGerçek zamanlı deniz zekasını ölçeklendirme#

MarineSitu, gerçek zamanlı bilgisayarlı görü yeteneklerini çok çeşitli su altı ortamlarında genişletmeye devam ediyor. Gelgit türbinlerinin ötesinde, Ultralytics YOLO destekli sistemleri limanlardaki yaban hayatını izlemek, mercan resifi araştırmalarını desteklemek, bilimsel tesisler etrafındaki balık davranışlarını gözlemlemek ve uzak okyanus bölgelerinde uzun vadeli çevresel veriler toplamak için kullanılıyor.

Tespit hattının merkezinde YOLO modelleri bulunan MarineSitu, tür tanımayı geliştirmeye, uç tabanlı yapay zeka işlemeyi güçlendirmeye ve geleneksel yöntemlerin zor veya maliyetli olduğu daha fazla konuma otomatik izleme getirmeye odaklanıyor. Su altı izlemeyi daha verimli ve erişilebilir hale getirmeyi, aynı zamanda araştırmacılara deniz ekosistemlerinin insan faaliyetiyle nasıl etkileşime girdiğine dair daha net ve hızlı içgörüler sunmayı amaçlıyorlar.

Yapay zeka hakkında meraklı mısın? Vision AI’ı projelerine dahil etmek için lisanslama seçeneklerimize göz at. Daha fazla bilgi edinmek için GitHub depomuzu ziyaret et. Çözüm sayfalarımızda robotikte bilgisayarlı görü ve otomotiv endüstrisinde yapay zeka konularını keşfet.