Project Ocean Oasis 构建了由太阳能供电的边缘设备，配备水下摄像头和水听器，部署在码头、平台和自主浮标上。Ultralytics YOLO 在设备端运行，并通过 Starlink 或蜂窝网络上行链路，提供长达数年的科学级海洋监测能力。
随着海洋生态系统面临气候变化、污染和过度捕捞带来的前所未有的威胁，对可扩展、基于证据的海洋智能的需求比以往任何时候都更加迫切。总部位于澳大利亚的非营利组织 Project Ocean Oasis (PO2) 正通过构建能够在恶劣海洋环境中运行多年的自主监测系统，迎难而上应对这一挑战。
通过将 Ultralytics YOLO models 集成到其从边缘端到云端的流水线中，并利用 Ultralytics Platform，PO2 正在为持续开展 AI 驱动的珊瑚礁和生物多样性监测开创新时代奠定基础。
构建海洋智能的基础#
Project Ocean Oasis 开发用于长期海洋智能的自主 AI 赋能系统。PO2 与 WASSOC（一家拥有超过 40 年经验的海底工程公司）、AWS 和 Ultralytics 合作，打造了一个端到端平台，将坚固耐用的硬件、边缘端和云端 AI 以及经过科学验证的数据集相结合，以支持基于证据的海洋生态系统保护。
每个 PO2 设备都设计为可同时运行多个 AI 模型，并预留足够的内部资源以支持未来扩展。这些系统经过工程设计，能够承受珊瑚礁激流、腐蚀和生物污损，在无需维护的情况下持续运行多年，并可扩展到各种不同环境。
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挑战。传统方法依赖潜水员、船只和人工数据收集，成本高、间歇性强，而且往往会干扰被研究的生态系统。随着全球珊瑚礁健康状况持续恶化，科学家所需的数据与实际能够收集的数据之间的差距也在不断扩大。
即使计算机视觉和边缘 AI 变得更加易于使用，将这些技术部署到水下仍会带来新的限制。设备必须由太阳能和电池供电，能够并行运行多个 AI 模型，并且足够坚固，能够在没有主动维护的情况下经受多年的盐水侵蚀。能效至关重要：每天只有大约 600 瓦的可用电力，从摄像头到推理芯片的每个组件都必须经过精心选择，以便在提供准确实时洞察的同时最大限度地延长运行时间。
对 PO2 而言，缺少的是一种模型框架：它既要足够灵活，能够在广泛的边缘硬件上运行；又要足够准确，能够用于海洋生物多样性追踪；还要足够易于迭代，以适应平台在多年部署过程中的演进。
借助 Ultralytics YOLO 实现从边缘端到云端#
PO2 的监测平台将水下摄像头、水听器和其他传感器安装在自主浮标上，这些浮标配备太阳能电池板、电池和卫星连接功能。
在音频方面，PO2 HydroPulse（定制边缘嵌入式水听器）运行在普通 ARM 硬件上，功耗约为 1.3 W，足以支持长期的太阳能和电池供电部署。
Ultralytics YOLO 模型计划在系统内的边缘硬件上运行，在视频流中执行实时目标检测和追踪，从而直接在水下识别并追踪鱼类和其他海洋生物。
YOLO 追踪会将同一个体关联到不同帧中，因此只计数一次，并将置信度最高的检测结果作为该鱼的记录。一条记录本质上是：
{
"label": "Acanthurus triostegus",
"confidence": 0.94,
"length_cm": 18
}附加会话级 MaxN 计数和环境背景信息。这样得到的是标准化、可直接用于科学研究的数据，而不是需要日后再查看的录像。
图 1. Ultralytics YOLO26 在夏威夷珊瑚礁视频素材上运行物种级检测。
每个摄像头设备都会在边缘端执行检测和追踪，然后传输紧凑的结构化事件（千字节级 JSON），而不是原始视频。
当系统检测到感兴趣的目标时，推理结果会通过卫星发送到云架构，在那里进行汇总、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大幅降低了传输需求、节省了电力，并使平台能够在无需人工干预的情况下连续运行多年。
为了让系统面向未来，PO2 与 Ultralytics 密切合作，评估新一代 NPU 驱动的边缘 AI 加速器。这次合作帮助 PO2 在严格的功耗预算下确定合适的硬件组合，同时保留添加新 AI 模型的灵活性，例如在平台扩展时对水听器数据执行音频推理。
图 2. 概述 Ocean Oasis 的解决方案。
Ultralytics Platform 的早期采用者#
除了在生产环境中使用 Ultralytics YOLO 模型外，PO2 还成为最早一批 Ultralytics Platform 企业用户之一。Ultralytics Platform 是全新的端到端环境，可在一个平台中完成 YOLO 模型的标注、训练和部署。
借助 Ultralytics Platform，PO2 团队可以管理海洋数据集，训练标准 YOLO26 模型和 Ultralytics Enterprise YOLO26 模型，利用 Smart Annotation 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，以便部署到其边缘硬件上。这一统一工作流帮助 PO2 随着项目发展快速迭代，同时在团队扩大规模时集中管理数据、模型和实验。
为什么选择 Ultralytics YOLO？#
对于 Project Ocean Oasis 而言，与 Ultralytics 的合作超越了模型性能本身，提供了专业知识和统一平台，在开发的每个阶段为团队提供支持。Ultralytics YOLO 模型能够灵活运行在广泛的边缘设备上，从超低功耗 MCU 到高性能 NPU 加速器，同时提供水下生物多样性监测所需的准确性。
通过与 Ultralytics 密切合作，PO2 得以应对复杂的边缘 AI 加速器生态，并为其多年部署目标确定合适的硬件合作伙伴。
迈向更健康的海洋#
Project Ocean Oasis 已完成首批传感器的端到端验证，从边缘 AI 推理一直到云端仪表板，目前正准备进行水下部署。硬件构建已准备好交付给合作伙伴，云架构已投入运行，科学研究人员也已在部署地点就位。
从 2026 年起，团队将跨多个地点扩展部署，拓展设备端 AI 套件，并为构建互联的全球监测网络奠定基础。
PO2 建立在跨越多代人的时间尺度之上。持续的海洋监测是基础层，也是让后续一切成为可能的证据基础。这项工作不是要完成它，而是要把它做好开端。
有兴趣构建属于自己的 Vision AI 解决方案吗？访问我们的 GitHub repository，探索 Ultralytics YOLO 模型，了解 YOLO 如何支持 AI in conservation 领域的创新，并查看 Ultralytics Platform，开始构建你自己的端到端视觉 AI 工作流。
