Automatisk overvåkning av havbunnen

Forskningsrådet har bevilget 12 millioner til å automatisere overvåkning og kartlegging av havbunnen. Målet i forskningsprosjektet er å utvikle metoder for å gjenkjenne og klassifisere objekter på havbunnen med bedre sikkerhet og nøyaktighet.

En mann ser i et mikroskop.
Forsker Steffen Aagaard Sørensen identifiserer og teller skall av små encellede dyr, foraminiferer, som lever på havbunnen. Foto: Kaisa Zamelczyk
Portrettbilde av Godtliebsen, Fred
Godtliebsen, Fred fred.godtliebsen@uit.no Professor
Portrettbilde av Sørensen, Steffen Aagaard
Sørensen, Steffen Aagaard steffen.sorensen@uit.no Forsker
Portrettbilde av Hald, Morten
Hald, Morten morten.hald@uit.no Professor
Publisert: 25.04.22 09:29 Oppdatert: 25.04.22 10:17
Hav Naturvitenskap Teknologi

Portett av en mann.
Fred Godtliebsen, professor ved Institutt for matematikk og statistikk. Foto: Tromsø Forskingsstiftelse.

Prosjektet Videreutvikle havbunnsundersøkelser ved bruk av Dyp Læring og statistikk er et samarbeid mellom Institutt for matematikk og statistikk (IMS) og Institutt for geovitenskap (IG) ved UiT og de to bedriftene Multiconsult og Argeo. Professor Fred Godtliebsen (IMS) er prosjektleder og medlem av maskinlæringsgruppen ved UiT.

Dette er et fagmiljø som er helt i front når det gjelder bruk av kunstig intelligens, og som står i spissen for «Visual Intelligence», et senter for forskningsdrevet innovasjon. Ved IG er det et sterkt fagmiljø innen arktisk maringeologi, særlig knyttet til fortidens klima og miljø, der forsker Steffen Aagaard Sørensen og professor Morten Hald har sentrale roller i prosjektet.

Forstå kunstig intelligens bedre

Hovedformålet med prosjektet er å forbedre forståelsen av kunstig intelligens (KI) ved bidrag både fra statistiske metoder og Dyp Læring. Dyp Læring er en læringsprosess der man trener opp en algoritme ved hjelp av nevrale nettverk. Dette er sentralt innen maskinlæring for utvikling av kunstig intelligens.

Nærbilde av et mikroskop og hender.
Det er et tidkrevende og monotont arbeid å telle mikroorganismer i sedimenter, og arbeidet kan gå ut over nakke og armer. Dette arbeidet har vært utført på samme måte siden mikroskopet ble oppfunnet for mer enn 150 år siden. Målet er å automatisere klassifiseringen her og også for andre større objekter. Foto: Kasia Zamelczyk.

I dette prosjektet skal KI brukes til gjenkjenning og klassifisering av ulike objekter fra bilder, videofilmer og lyd-data fra havbunnen. Presise estimater av usikkerheten knyttet til slik gjenkjenning og klassifisering er et viktig delmål. Nye løsninger vil gi mer nøyaktige, pålitelige og tolkbare modeller og det vil redusere usikkerhet.

Automatisk klassifisering innen næringsliv og forskning

Portrett av en mann med briller og blå genser.
Morten Hald, professor ved Institutt for geovitenskap. Foto: TFS / Lars Åke Andersen

De to samarbeids-bedriftene Argeo og Multiconsult arbeider begge med overvåkning og kartlegging av havbunnen. I prosjekter vil vi vil studere både store og små objekter som for eksempel tapt fiskeriutstyr, havbunnstyper, større planter og dyr eller ørsmå objekter, som for eksempel mikroplast og smådyr i bunnsedimentene.

Et mål er å utvikle treffsikre algoritmer som automatiserer kartlegging og overvåkning av havbunnen. Lykkes vi, vil det bidra til en betydelig mer effektiv måte å samle inn data på. Det vil styrke kvaliteten på resultatene og bidra til bedre forvaltning av havbunnen, som igjen vil kunne få store positive ringvirkninger for næringslivet. Miljøovervåkningen som bedriftene utfører kan bli bedre og billigere. Forskningssektoren kan styrke datainnsamlingen – noe som igjen vil gi bedre klima- og miljøforskning. Resultatene kan også komme til nytte på andre felt, som enda bedre førerløse biler eller mer treffsikre diagnoser i helsevesenet.


Kortnytt fra Institutt for matematikk og statistikk, Institutt for geovitenskap, Fakultet for naturvitenskap og teknologi
Godtliebsen, Fred fred.godtliebsen@uit.no Professor
Sørensen, Steffen Aagaard steffen.sorensen@uit.no Forsker
Hald, Morten morten.hald@uit.no Professor
Vi anbefaler