Ultralytics YOLO革新水下监测技术

监测水下环境和海洋能源系统并非易事，但这对理解这些基础设施如何与周边生态系统相互作用、确保其安全运行且不损害野生动物至关重要。传统上，研究人员不得不手动筛选数小时的水下影像资料，而浑浊的水质、强劲的洋流以及不稳定的能见度更使这项工作难上加难。

MarineSitu通过高分辨率摄像头、计算机视觉、成像声呐、环境传感器及机器学习模型，助力科研人员和机构监测并理解水下环境。例如，其系统Ultralytics YOLO ，能够识别并track 潮汐涡轮机及其他海洋能源设施周边活动的track 。

通过人工智能创新实现更智能的海洋监测

MarineSitu成立于2016年，源于太平洋海洋能源中心（PMEC）与华盛顿大学应用物理实验室（APL）的研究项目。如今，该公司与美国能源部、美国国家海洋和大气管理局等机构展开合作。

通过SaltySuite™等平台，MarineSitu将其专为水下环境设计的硬件系统（包括摄像头、声呐和水听器）与人工智能驱动的检测模型相融合，从而实现对复杂水下环境的监测与分析。 通过应用计算机视觉任务——如目标检测（定位并识别图像中的个体生物或物体）、图像分类（根据内容为整幅图像标注标签）以及目标追踪（在连续帧中追踪检测到的物体以分析其运动轨迹）——MarineSitu提供实时洞察，为海洋能源开发、渔业管理及环境研究提供支持。

为何水下监测比想象中更难

监测海洋环境远比观察陆地状况困难得多。能见度可能毫无预兆地骤降，强劲洋流会冲走设备，海洋生物附着物能迅速遮蔽摄像头和传感器。环境状况每小时都在变化，使得持续稳定的数据采集变得极其困难。

对于研究人员和能源运营商而言，这形成了重大瓶颈。项目可产生数百TB的视频、声呐及声学数据，使得人工审查既缓慢又难以实施。

偏远海域站点面临额外障碍，例如带宽受限，导致难以将大型视频文件传输至云端。这不仅增加了运营成本，还引发了数据安全问题。

为解决这些难题，MarineSitu采用边缘人工智能方案，直接在水下硬件设备上处理数据，而非依赖云端传输。这使得野生动物和环境事件的实时检测成为可能，减少了研究人员需要审查的数据量，并确保即使在带宽不足、不可预测的海洋环境中，监测工作仍能保持可靠性。

Ultralytics YOLO 实时水下检测

MarineSitu在其严苛的水下基础设施周围部署监测系统，包括潮汐涡轮机、港口、科研设施及长期环境观测站，以捕捉海洋生物与这些结构的交互过程。其可适应监测套件（AMP）集成了高分辨率光学摄像机、成像声呐、水听器、LED照明系统及防污装置，可确保镜头和传感器数月保持清晰状态。

为解读持续涌入的多模态数据流，MarineSitu采用定制训练Ultralytics YOLO 实时分析视频影像。这些模型detect track 生物在涡轮机影响区域等水域的移动轨迹，自动标记重要事件，并将这些事件与关联的声呐及声学记录进行同步匹配。 

例如，当水母漂近涡轮机时，Ultralytics YOLO （如 Ultralytics YOLOv8 和 Ultralytics YOLO11 能够完整捕捉其在图像中的轮廓。这确保了野生动物互动场景能以完整的上下文细节呈现，而非淹没在数小时平淡无奇的录像中。

​

为什么选择Ultralytics YOLO 模型？

Ultralytics YOLO 为MarineSitu提供了在复杂水下环境中进行实时检测所需的速度与精度。诸如YOLOv8 YOLO11 模型YOLO11 其边缘系统上高效YOLO11 ，并可导出为TensorRT等格式。 TensorRT等格式。 

Ultralytics YOLO 实现96%的正常运行时间

MarineSitu采用Ultralytics 的YOLO 使其在复杂海洋环境中的长期部署中能够实现可靠的实时野生动物监测。

在太平洋西北地区为期141天的部署中，MarineSitu自适应监测系统（简称AMP）始终保持着超过96%的运行时间，尽管面临强劲洋流、低能见度及持续的生物污损压力。防污系统全程保持摄像端口、照明设备和成像声纳的畅通，确保了高质量数据的持续获取。

在系统持续YOLO 的情况下，研究人员能够追踪海豹、鱼类及其他物种在涡轮机周围的活动轨迹。自动物体检测与事件过滤功能大幅缩短了人工审查时间。据太平洋西北国家实验室与华盛顿大学亚太实验室的研究人员表示，每日仅需一两小时即可YOLO事件的审查工作，而未经过滤的原始影像则需耗费大量时间逐帧筛查。

​

通过将耐用硬件与多模态传感及实时计算机视觉技术相结合，MarineSitu系统实现了对野生动物互动行为的完整情境化监测——这仅凭人工审查几乎难以企及。如此可靠高效的监测能力，正助力加速潮汐能项目的环境评估进程，并提升海洋监测系统的行业标准。

扩展实时海洋情报

MarineSitu正持续扩展其实时计算机视觉技术在各类水下场景的应用。除潮汐涡轮机监测外，其YOLO Ultralytics YOLO系统正被用于港口野生动物监测、珊瑚礁研究支持、科学设施周边鱼类行为观察，以及在偏远海域采集长期环境数据。

YOLO 为核心构建检测管道，致力于提升物种识别精度、强化边缘端人工智能处理能力，并将自动化监测推广至传统方法难以实施或成本过高的区域。该平台旨在提升水下监测的效率与普及性，同时为研究人员提供更清晰、更快速的洞察，揭示海洋生态系统与人类活动之间的相互作用机制。

对人工智能感兴趣？欢迎查看我们的授权方案，将视觉人工智能技术引入您的项目。访问我们的GitHub仓库了解更多详情。在解决方案页面探索机器人领域的计算机视觉技术及汽车行业的AI应用 。