Project Ocean Oasis 利用 Ultralytics YOLO 推进珊瑚礁保护

由于海洋生态系统正面临气候变化、污染和过度捕捞带来的前所未有的威胁，对可扩展、以证据为基础的海洋情报的需求从未如此迫切。Project Ocean Oasis (PO2) 是一家总部位于澳大利亚的非营利组织，他们通过构建旨在严酷海洋环境中运行多年的自动化监测系统，正积极应对这一挑战。

通过将 Ultralytics YOLO 模型 集成到其从边缘到云端的流水线中，并利用 Ultralytics Platform，PO2 正在为开启持续、AI 驱动的珊瑚礁和生物多样性监测新时代奠定基础。

Link to this section构建海洋情报的基石#

Project Ocean Oasis 开发了用于长期海洋情报的自主 AI 赋能系统。PO2 与 WASSOC（一家拥有超过 40 年经验的水下工程公司）、AWS 以及 Ultralytics 合作，提供了一个端到端的平台，该平台结合了坚固的硬件、边缘和云端 AI，以及经过科学验证的数据集，以支持以证据为基础的海洋生态系统保护。

每个 PO2 单元均设计为可同时运行多个 AI 模型，并留有足够的内部余量以供未来扩展。这些系统经过工程设计，能够抵御珊瑚礁涌浪、腐蚀和生物附着，在无需维护的情况下可一次运行多年，并可在各种环境中进行扩展。

Link to this section长期、自主珊瑚礁监测的挑战#

大规模监测珊瑚礁和海洋生物多样性带来了一系列独特的挑战。传统方法依赖于潜水员、船只和人工数据采集，这些方法成本高昂、间歇性强，且往往会对所研究的生态系统造成干扰。随着全球珊瑚礁健康状况的下降，科学家所需的数据与他们实际能够收集到的数据之间的差距正在不断扩大。

尽管计算机视觉和边缘 AI 变得越来越易于获取，但在水下部署这些技术引入了新的限制。设备必须由太阳能和电池供电，能够并行运行多个 AI 模型，且足够坚固，无需主动维护即可在盐水环境中存活多年。电源效率至关重要：每天仅有约 600 瓦的可用功率，因此从摄像机到推理芯片的每一个组件都必须经过精心挑选，以在提供准确、实时洞察的同时实现正常运行时间最大化。

对于 PO2 而言，缺失的一环是一个模型框架，它既要足够灵活以在各种边缘硬件上运行，又要足够准确以进行海洋生物多样性跟踪，并且随着平台在多年部署中不断演进，它还需易于迭代。

Link to this section借助 Ultralytics YOLO 实现从边缘到云端的数据监测#

PO2 的监测平台结合了水下摄像机、水听器以及其他安装在自动浮标上的传感器，这些浮标配备了太阳能电池板、电池和卫星连接功能。

在音频方面，PO2 HydroPulse（自定义边缘嵌入式水听器）在商用 ARM 硬件上以约 1.3 W 的功率运行，功耗极低，足以支持长期的太阳能和电池部署。

为了在摄像机上运行，Ultralytics YOLO 模型正计划部署在系统内的边缘硬件上，在视频流上执行实时对象检测和跟踪，以直接在水下识别和跟踪鱼类及其他海洋生物。

YOLO 跟踪可以将不同帧中的同一个体连接起来，从而确保仅被计数一次，并将其置信度最高的检测结果作为该鱼类的记录。单个记录本质上是：

{
  "label": "Acanthurus triostegus",
  "confidence": 0.94,
  "length_cm": 18
}

附带会话级 MaxN 计数和环境背景信息。这生成的是标准化的、科学就绪的数据，而不是需要后续审阅的原始视频。

图 1. 在夏威夷珊瑚礁视频片段上运行物种级检测的 Ultralytics YOLO26。

每个摄像机单元将在边缘进行检测和跟踪，然后发送紧凑的结构化事件（千字节级的 JSON），而不是原始视频。

当系统检测到感兴趣的对象时，推理结果会通过卫星发送到云架构中，在那里进行聚合、分析，并呈现给科学家和保护合作伙伴。这种边缘优先的设计极大地降低了传输需求，节省了电力，并使平台在每次部署后无需人工干预即可运行多年。

为了使系统面向未来，PO2 与 Ultralytics 密切合作，评估了最新一代的 NPU 赋能边缘 AI 加速器。此次合作帮助 PO2 在严格的功率预算下缩小了硬件组合范围，同时保持了随着平台增长而添加新 AI 模型（如对水听器数据进行音频推理）的灵活性。

图 2. 概述 Ocean Oasis 的解决方案。

Link to this sectionUltralytics Platform 的早期采用者#

除了在生产环境中使用 Ultralytics YOLO 模型外，PO2 还成为了 Ultralytics Platform 的首批企业用户之一，该平台是用于在一个地方标注、训练和部署 YOLO 模型的新型端到端环境。

利用 Ultralytics Platform，PO2 的团队可以管理海洋数据集，训练标准版和 Ultralytics Enterprise YOLO26 模型，利用智能标注功能大幅加快数据标注速度，并将训练好的模型导出为几乎任何格式，以部署到他们的边缘硬件上。这种统一的工作流帮助 PO2 在项目发展过程中实现了快速迭代，同时在团队规模扩大时确保了数据、模型和实验的集中管理。

Link to this section为什么要选择 Ultralytics YOLO？#

对于 Project Ocean Oasis 而言，与 Ultralytics 的合作超越了模型性能本身，还提供了专业知识支持以及一个在研发的每个阶段都为团队提供保障的统一平台。Ultralytics YOLO 模型提供了在广泛边缘设备（从超低功耗 MCU 到更高性能的 NPU 加速器）上运行的灵活性，同时提供了水下生物多样性监测所需的准确性。

通过与 Ultralytics 的密切合作，PO2 得以导航复杂的边缘 AI 加速器领域，并为他们的多年部署目标确定了合适的硬件合作伙伴。

Link to this section迈向更健康的海洋#

Project Ocean Oasis 已经完成了其首批传感器的端到端验证，涵盖从边缘 AI 推理到云端仪表板的各个环节，目前正准备进行水下部署。硬件构建已做好合作伙伴对接准备，云架构已投入运行，且部署地点的科学研究人员也已就位。

从 2026 年开始，该团队将扩展到更多地点，扩充设备端 AI 套件，并为一个互联的全球监测网络奠定基础。

PO2 是建立在多代时间跨度基础上的。持续的海洋监测是基础层，是使所有后续工作成为可能的证据基础。我们的工作不是要完成它，而是要把它开好头。

有兴趣构建属于你自己的视觉 AI 解决方案吗？请访问我们的 GitHub 存储库 以探索 Ultralytics YOLO 模型，了解 YOLO 如何支持 AI 在保护领域 的创新，并查看 Ultralytics Platform 以开始构建你自己的端到端视觉 AI 工作流。