近日,加拿大西蒙菲莎大学博士生徐驰和所在团队打造出一款名为 SALINA 的声呐分析系统,其能实现可持续且准确的实时声呐分析。

在检测声呐数据中的水下目标时,该系统的平均精度比当前最先进的方法提高 9.5%,跟踪指标提高 10.1%。同时,该团队所设计的能耗规划模块,能够有效地安排电量使用,从而可以防止由于极端天气条件导致的系统故障与断联,进而能够节省可观的应急成本。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 徐驰(来源:徐驰)

SALINA 系统能够针对声呐数据进行多通道增强预处理。针对这一系统课题组还研发出一款人工智能模型,故能适应声呐数据独特的时空特征。此外,该系统还能针对声呐数据进行持续的传输优化与能耗规划,从而能够应对天气变化和野外环境等因素。

研究中,该团队通过和太平洋三文鱼基金会以及野生三文鱼中心开展合作,来帮助数据分析师和海洋生物专家在野外环境中进行数据分析。

目前,SALINA 系统已经在加拿大不列颠哥伦比亚省的两个内陆河流声呐站点实地部署六个月。这两个站点位于远离电网的温带雨林深处,只能依赖太阳能实现供电。而 SALINA 系统能够提供持续的全天候水下监测,既能支持原住民渔业管理,也能支持野生动物种群恢复,并能用于跟踪太平洋三文鱼的生物研究。

徐驰表示,他和合作者已经在这两个站点实现了持续的水下检测和监控,并已用于观察和分析当地野生动物的数目和行为,包括红鲑、硬头鳟鱼、帝王鲑、银鲑和水獭等。

同时,徐驰和所在课题组正在探索本次成果的商业化。眼下他们正在与加拿大不列颠哥伦比亚水电公司合作,双方将利用部署在水坝通道内的声呐设备进行幼鱼检测。此外,徐驰等人也正在与美国华盛顿州鱼类和野生动物部门接洽,未来计划共享相关数据,以便验证本次人工智能模型的鲁棒性和迁移能力。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

(来源:ACM SenSys)

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

用声呐技术和人工智能保护三文鱼

声呐雷达,是一种可视化技术。其原理在于利用声波反射,来对其检测范围内的物体和结构实现可视化。

该技术主要适用于水下监测、绘图勘测、海洋生物识别追踪等场景。在能见度较低、光学摄像机无法发挥作用的场景中,声呐是目前唯一成熟可行的解决方案。

而在当前,对于实时且准确的声呐数据分析的需求正在日益增加,特别是在渔业管理和水下异常检测等时延敏感的场景中。在这些场景里,若能具备准确的实时声纳分析结果,就能进行快速决策和响应管理。

然而,要想实现准确的声呐分析,仍然面临诸多挑战:

首先,在声呐数据中,鱼类、入侵者、野生动物等值得关注的目标,往往形态较小而且非常模糊。同时,声呐数据容易受到噪音和衍射等现象的干扰。并且,其还缺乏色彩细节和纹理细节,这会给目标检测和追踪任务的精度带来较大影响。

其次,声呐系统通常部署在野外,在能耗、计算资源及网络连接上较为受限。例如,在河流和海洋等场景里,人们通常使用太阳能来为声呐等设备供电,这很容易受到复杂气象条件的影响。这就导致那些在野外现场部署的边缘设备,无法运行复杂的计算,因此需要让声呐数据返回数据中心以便进行深度分析,这一步骤需要使用卫星网络进行数据传输,因此也需要很多能耗。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 声呐帧和检测结果(来源:ACM SenSys)

而本次研究的立项,则来源于一次“声呐技术和三文鱼保护”的结合。

三文鱼,是太平洋西北沿海地区社区发展、粮食安全和文化的重要组成部分。然而,当前三文鱼种群面临威胁,其回流数量难以追踪和预测。要想保持三文鱼渔业的可持续性,就需要行之有效的监测手段,但是目前的监测要么由人工捕捞采样,要么由光学摄像机完成,然后由志愿者参与分析与校正。

在浑浊度较高、能见度较低的水域中,科学家们也曾尝试采用声呐设备进行监测。此前,对于所采集到的声呐数据,一般由生物专家进行人工分析,不仅效率比较低,而且人工成本较高。而在人工智能声呐数据的分析上,此前并没有成熟解决方案,公开数据和公开模型更是非常稀缺。

为此,课题组详细走访了加拿大不列颠哥伦比亚三文鱼监测站点,与多方开展深入沟通之后,制定了 SALINA 系统的设计目标。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

(来源:ACM SenSys)

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

“爬上近 50 米高度的云杉树”

研究中,该团队前往位于加拿大西北沿海的海达瓜依群岛,与当地海达渔业部门联合开展 SALINA 系统的部署工作。

徐驰表示:“海达瓜依以其独特的自然风光和丰富的文化遗产闻名,作为海达原住民的故乡,这里有着浓厚的传统和对自然资源的深深敬意。”

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 2024 年 6 月 2 日摄于海达瓜依(来源:徐驰)

这次任务的主要目标是通过部署 SALINA 系统,来支持海达社区监测保护三文鱼种群。

该团队在海达渔业方负责人的带领下,前往一处偏远的河流站点。这片区域不仅交通不便,还缺乏电力和网络支持,需要依赖太阳能板供电。

“在与艰苦环境斗争的同时,我们也被海达社区居民对保护三文鱼种群的投入深深触动。”徐驰表示。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 现场部署以及调试设备(来源:徐驰)

部署中他们遇到了许多挑战,比如如何将系统调整得适应这片复杂的自然环境,以及如何在有限的设备条件下保证系统的稳定运行。

幸而合作方提供了巨大的帮助,在徐驰等人尝试安装 Starlink 天线传输声呐数据时,由于树荫遮蔽无法收到良好的网路信号,为了在树顶固定天线,合作方的专业成员排除万难爬上近 50 米高度的云杉树。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 安装在树顶的 Starlink 天线和太阳能板(来源:徐驰)

徐驰表示:“工作之余,海达社区的成员还带我们体验了他们的传统文化,讲述了他们对三文鱼的深厚情感以及其在社区生活中的重要意义。这种跨学科、跨文化的合作,也让我对这份工作充满了感激和责任感。”

完成实地合作之后,徐驰开始撰写论文。日前,相关论文以《SALINA:在野生生态系统中实现可持续的实时声纳分析》(SALINA:Towards Sustainable Live Sonar Analytics in Wild Ecosystems)为题发在 ACM SenSys(ACM Conference on Embedded Networked Sensor Systems)。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

图 | 相关论文(来源:ACM SenSys)

总的来说,本次成果具备完整的工程实现,并已经在偏远生态环境中获得了实地部署成果,其不仅可以在能源受限的环境下通过动态能源管理实现长期运行,而且具备长远生态监测的应用潜力。

而从事这样一项科技向善的研究,也和徐驰的经历息息相关。其本科毕业于西安电子科技大学,后来到加拿大西蒙菲莎大学读硕。硕士毕业之后,他主要从事软件开发工作,并在业余时间参与了一些跨领域科研合作项目。

例如,徐驰曾与广州市华南自然资源科学技术研究院及华南农业大学合作,利用人工智能物联网技术开展土壤检测与耕地保护相关的研究。

2023 年,他又来到西蒙菲莎大学攻读博士学位,研究方向为多模态数据感知与分析,研究领域包括人工智能物联网网络与多媒体系统以及生成式模型等。

另外,徐驰计划于 2025 年前往香港大学行学术访问。在此期间,徐驰将和香港大学物联网实验室合作,开发能够用于监测香港本地海洋和河流环境的实时声呐分析系统。

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署

参考资料:

1.https://arxiv.org/pdf/2410.19742

排版:初嘉实

03/

04/

05/

科学家研发全天候AI声呐分析系统,平均精度比当前最先进的方法提高9.5%,已成功完成实地部署