当前位置:首页 >> 技术应用

国外科学家发明新型自动化系统:可实时监测鱼群

发布日期:2018-06-26 10:52:05     来源:江淮机电网      编辑:whl

  江淮机电网6月26日报道 近日,以色列海法大学和西班牙 IMDEA 网络研究所的研究团队一起开发出可以实时监测鱼群的创新型自动化系统:SYMBIOSIS。

  背景

  从20世纪起,捕捞技术不断发展,逐渐成为海洋生态系统所面临的最严重的问题之一。有预测称,如果过度捕捞不能得到有效控制,2048年世界上的鱼类资源将可能面临枯竭。

  全球渔业当局都希望通过有关鱼类资源的新条例与执法来限制过度捕捞。但是,目前实时监测鱼群的方法非常少。其中大多数都是通过水面船只采用声纳定位鱼群。以色列海法大学海洋科学院博士 Roee Diamant 表示,这些方法需要大量的资源和人员来监测和解释声纳的发现。所以,基于经济效应方面的考量,这种方法的可行性有限。

  此外,采用声纳常常会将对于鱼群的探索,限制在狭窄的区域(位于采样船只的下方),从而影响到后续的决策。这种随机并短期的海洋环境取样提供的有限统计数据,意味着这个过程中很可能会存在大量的取样错误。

  创新

  近日,以色列海法大学和两支来自西班牙 IMDEA 网络研究所的团队一起开发出一种创新型自动化系统:SYMBIOSIS,实时监测鱼群。

  这种系统将光学技术与声学技术结合到一起,同时也是环境友好的,还提供了关于海洋鱼类种群状况的可靠信息。目前,在没有投入大量资源的情况下,几乎不可能获取到这种可靠的信息。
国外科学家发明新型自动化系统:可实时监测鱼群
  (图片来源: IMDEA Networks 研究所)

  海法大学领导了该项目,西班牙马德里 IMDEA 网络研究所的两支科研团队也为项目的开发作出了贡献。IMDEA 网络研究所的研究人员专注于设计高效的鱼类定位系统,以及针对选定鱼类的视觉识别。位于马德里的研究所的两个团队分别是:由 Paolo Casari 博士领导的普适无线网络实验室和 Antonio Fernandez Anta 博士领导的全球计算小组。

  SYMBIOSIS 受到了欧洲委员会的研究和创新计划地平线2020的赞助。参与 SYMBIOSIS 项目的四个研究所包括:以色列海法大学(协调者)、西班牙马德里 IMDEA 网络研究所、意大利 Wireless & More 公司、德国 EvoLogics Gmbh 公司。

  技术

  SYMBIOSIS 项目正在开发一种自动化系统,用于分辨鱼群,包括它们的尺寸以及在深水中运动的信息。SYMBIOSIS 系统集成了无需人类干预的声学技术与光学技术,并能实时传送警报至海岸的台站。这些数据将有利于海洋捕捞政策的制定,以及进一步提升对于海洋环境的保护。

  Diamant 解释道:“这个系统将是环境友好的,不仅因为它的运行是非侵入式的,不会影响海洋生态系统,更重要地是,它将为海洋鱼类种群状况的提供更可靠的信息。目前,在没有大量资源投入的情况下,几乎无法采集这些信息。我们希望通过采用最新的光学技术和声学技术,改变对于海洋资源的态度。”
国外科学家发明新型自动化系统:可实时监测鱼群
  SYMBIOSIS 系统将光学技术与声学技术相结合,在一千米的半径范围内,监测海洋环境,特别是鱼群的大小。整个系统完全是基于自动化的,长期采集水下数据,并将信息传送至海岸中心。这项研究专注于识别六种大型鱼类,它们对于渔业来说需求很大:两种金枪鱼;一种竹荚鱼;一种大西洋鲭鱼;一种鲯鳅鱼;一种旗鱼。它将为渔业当局提供具体和可操作的信息。

  这个解决方案具有一条处理链,它从对于鱼类速度和运动特征的声学探索和分类开始。声学传感器也可以测量鱼类的大小以及区域中鱼的数量。一旦声学系统识别出这六种鱼中的一种,它就会触发光学系统。光学系统具有几个摄像头,并采用各种深度学习图像识别算法,进行复杂的数据处理。当光学系统确认识别出这六种鱼中的一种时,它们会通过水下声学通信发送信息,然后通过无线电波与海岸上的台站通信。

  Casari 博士说:“采用声学定位特殊的鱼类是极具挑战性的。首先,声学处理链必须采用低成本的组件,并需要是高度节能的。在鱼类识别系统中部署的信号处理算法,必须在复杂度与准确度之间有一个很好的权衡。此外,水下环境含有许多噪音源和反射器,SYMBIOSIS 系统周围的鱼的信号要比环境中的声学干扰信号弱许多。算法必须足够健壮才能应对这些挑战。”

  Diamant 博士继续说:“对于光学器件来说,海洋环境具有低能见度的特征,而且水中的成分会使得图像失真。最大的挑战就是保证良好的检测性能并且使得假的报警尽可能少。这需要在深海环境中自主发生,在那里几乎没有人类干预的可能性。”

  Fernández Anta 博士总结道:“对于鱼类的光学分类也会面临其自身的特殊挑战。对于训练深度学习分类器来说,预分类的图像很少。许多图像都是在系统将会遇到的不同能见度条件下拍摄的。在 SYMBIOSIS 系统中,我们通过利用鱼图片的公共数据库来处理这种不确定性,许多图片都是由潜水员或者水下摄影师拍摄。为了解决缺少大型图像数据集的问题,我们正在开始通过预训练的神经网络进行物体识别。一旦我们进入项目的实验阶段,我们会添加更多来自 SYMBIOSIS 测试环境的图像。”

  该项目包括:探索和分类的创新算法开发、专用硬件的应用、大量海洋试验的实现。作为项目的一部分,一个正在开发的原型包括:声学传感器系统、摄像头网络、复杂的处理单元、保证自主活动的能量单元。该项目的目标是在三种不同海洋环境下,对于原型系统的性能进行采样。这三种环境分别是:较浅的地中海、较深的地中海、加那利群岛的炎热环境。

  价值

  SYMBIOSIS系统,在无人类干预的情况下,集成声学技术和光学技术,实时监测鱼群。它将影响捕捞政策的开发,以及进一步提升对于海洋环境的保护。

  该项目将进行至2020年11月份。它将为分布式和大规模的水下环境监测提供新型解决方案,对于海洋生物学研究、自然环境保护以及欧洲和全球范围内的渔业政策制定,都会产生积极影响。

分享到:0

安徽省机电行业协会微信公众号

江淮机电网微信公众号