深度学习可能有助于防止鲑鱼在波涛汹涌的大海中逃脱

人工智能可以在水下带来巨大好处，SINTEF与SFIExposed研究中心合作，正在开发有助于在恶劣海况下提高养鱼场安全和保障的系统。

您可能已经听说过深度学习。它是机器学习领域的一个关键过程，使计算机能够扩展其能力以响应提供给它们的信息。通过让计算机大脑接触需要理解的概念，可以教会它识别上下文信息。

在以人脑为模型的数据结构中，设备相互连接以形成我们所说的神经网络。这样的网络由许多层组成，这些层相互作用以实现我们所说的深度学习。

我们利用这一概念来开发和改进系统，以识别养鱼场鲑鱼笼网的异常情况。我们通过向数字神经网络提供显示完整网络构建块的图像来实现这一点。然后，这些图像使程序能够在观察到异常情况(例如孔)时做出反应。

逃脱的鱼是一个主要问题

经常检查悬挂在水下的海水笼网，旨在帮助防止鱼类逃逸。逃逸的养殖鲑鱼可能携带疾病，也可能与野生鱼类一起沿河流逆流而上，扰乱和参与产卵过程。这些因素只会削弱野生鲑鱼的数量，因此防止从海网箱中逃逸符合每个人的利益。

挪威政府近日发出通知，拟对养鱼场的防逃设计和运营提出更严格的技术要求。毫无疑问，这些新规定使我们必须进行创新思考，并可能为我们提供应用或进一步发展我们目前在SFIExposed研究中心研究的一些概念的机会。

当前的标准操作涉及使用安装有摄像头的遥控潜水器(ROV)，该潜水器被发射到笼中并由操作员操纵，然后检查传回的图像。操作员很难连续数小时集中精力观看一组单调的水下网视频图像。

另一方面，计算机大脑永远不会感到疲倦或无聊，因此此类操作非常适合使用图像识别的自动驾驶汽车应用。

当计算机大脑比人脑更好时

不管图像是由人还是机器来评估，我们仍然需要拍摄海笼网的视频。沿着海笼网导航ROV是一项技术要求很高的任务。车辆的摄像头必须靠得足够近，才能在不与网墙碰撞的情况下获得清晰的图像。

我们在偏远地区使用自主系统和技术的研究同事一直在研究可以使ROV确定其在海笼内的空间位置的传感器技术类型。此类信息对于确定在任何给定时间正在检查网的哪一部分至关重要。

对于所有类型的自主操作，ROV都必须准确知道它的位置。它可能必须在强流和公海面前保持稳定的位置，或者以预定的固定距离跟踪穿过网墙。

所有这些研究的结果是用于所谓的网络相对导航的激光摄像系统。借助照亮网壁的两束平行激光束，可以获得有关ROV与网的距离和角度方向的信息。

如果ROV要与网壁保持适当的距离，而操作员不必在每次网因水流或波浪运动而移动时进行转向调整，则此类测量是必不可少的。

许多令人兴奋的研究和开发正在研究中心和工业环境中进行自主机器人操作。在SINTEF，我们认为这是系统开发之旅的开始，它将加强水产养殖部门的运营。

危险的密切接触

SFIExposed是一个以研究为基础的创新中心，它在许多领域开展工作，对暴露环境中近海水产养殖作业面临的挑战具有多种观点。我们研究安全方面的同事发现，增加鱼类逃逸风险的事件与威胁设施员工安全的事件之间可能存在一些重叠。

我们认为，在安全方面，重要的是要从大局着眼，而最有效的方法是早在产品开发阶段就将所有方面都考虑在内。如果员工安全融入到技术中，这样就不可能因不正确的使用而造成危险，我们将有效地降低导致鱼逃逸和员工受伤的事故风险。

但是既然我们在谈论风险。显然，ROV没有HSE要求。然而，对于那些负责将ROV释放到鱼笼中并再次回收它们的人员来说，HSE考虑是必不可少的。

这项任务听起来很简单，但它需要将装有起重机的船只停在旁边并靠在笼子上。在许多情况下，为了释放ROV，必须沿着浮环部署人员——这是一项涉及很多困难的提升工作。

即使在最好的情况下，船只和网箱之间的移动也是一项冒险的工作，正是在这种情况下，许多与行业相关的事故发生了。在因强水流、公海和风而发生剧烈移动和加速的地方，以及船只和设施基础设施比避风地点大的地方，至关重要的是要有系统，使它能够在网箱和网箱之间安全移动。停泊的船只

机械臂可以完成这项工作

我们首先研究了当前起重机操作的执行方式，以评估相关的风险和挑战。然后我们继续研究新技术如何改善这种情况。

一个例子涉及我们对ROV海网箱“发射和回收”的概念研究。另一个概念涉及使用先进的机械臂，使操作能够在容器和笼子之间没有任何形式的接触的情况下进行。

想象一下，安装了机器人手臂的船只在波浪上上下移动，而海笼也在做同样的事情，但步调不一致，而且距离很远。可以从容器延伸到笼子以进行精确工作的机器人手臂必须是一件令人印象深刻的高科技套件。但实际上完全有可能。

我们使用模型实验来演示机械臂如何补偿船只和海笼的相对运动。我们还对可以执行的操作以及必须对现有设施进行的任何更改进行了评估，以使该技术能够投入使用。

更好的决策支持

当海况比预期的更差时，例如在意外的强流或波涛汹涌的大海中出现强大的波浪时，事故和鱼类逃逸的风险可能会增加。目前，我们关于是否在这种情况下继续运营的决定通常是根据判断力和经验做出的。

以关于何时可以或不可以执行操作的指南的形式更好地定义操作限制，可能对提高安全性做出有价值的贡献。

在SINTEFOcean，我们一直在建设用于从浮标、近海船舶和设施捕获数据的基础设施，并收集了气象数据以及水运动和水质的测量值，作为构建强大统计数据库的一种手段。

我们掌握的关于海浪、水流和天气状况的信息越准确，就越容易决定是否可以进行手术。当我们将这些统计数据与物理测量和数字孪生联系起来时，我们就为运营规划奠定了良好的基础。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！