Prosjektnummer
KI-tolkning av akustiske data som beslutningsstøtte i ringnotfiske
Å utvikle og demonstrere et system for estimering av størrelse og artssammensetning av sei basert på akustiske data.
Delmål
- Å etablere et datasett basert på historiske data fra HIs seitokt som muliggjør effektiv trening av avanserte KI-modeller (AP1).
- Å utvikle og trene KI-modeller for sanntidstolkning av art og størrelse basert på flerfrekvens ekkolodd-data og trålprøver (AP2).
- Å validere ytelsen til KI-modellene med historiske data fra HIs seitokt, inkludert tråldata og sensorlogger (AP1).
- Å kartlegge eksisterende datainfrastruktur og akustiske sensorer i notflåten for å identifisere krav og muligheter for integrasjon av KI-komponenter (AP3).
- Å implementere KI-modeller i et brukergrensesnitt for beslutningsstøtte om bord på fartøy, med visualisering av prediksjonene i sanntid (AP3)
- Å teste KI-modellene og brukergrensesnittet på et av HIs seitokt (AP1).
- Å evaluere systemets potensial for redusert fangst av småfisk, forbedret selektivitet og økt etterlevelse av regelverk (AP1, AP3, AP4).
- Å utarbeide konkrete anbefalinger for videre implementering av teknologien i næringen og oppfølging fra forvaltningsmyndigheter (AP4).
Prosjektet vil utvikle og validere metoder for preprosessering og analyse av akustiske data, med dokumentert forbedring i presisjon på relevante datasett. Det vil også etableres modeller og prototyper tilrettelagt for operasjonalisering. Resultatene forventes å gi et bedre beslutningsgrunnlag og mer effektiv utnyttelse av akustiske data, med potensial for redusert ressursbruk og økt treffsikkerhet i ressurskartlegging.
Prosjektgruppa består av Norsk Regnesentral (NR), NORCE og Havforskningsinstituttet (HI). Sammen har de lang erfaring med preprosessering av og algoritmeutvikling for akustiske data. I tillegg vil Kongsberg Discovery (KD) og Storegg AS være underleverandører i prosjektet, og bidra med henholdsvis ekspertise på produksjonssetting av modeller og fagkunnskap fra aktiv fiskerivirksomhet.
Prosjektet består av 5 arbeidspakker (AP):
AP1: Klargjøring av historiske data for maskinlæring og validering av modellene basert på data og manuell tolkingAnsvarlig: Rolf Korneliussen (Havforskningsinstituttet)
Denne arbeidspakken skal klargjøre historiske data fra HI for maskinlæring. Dette innebærer utvikling av algoritmer for preprosessering av akustikkdata, og tilrettelegging av tråldata for trening og validering av modeller. I tillegg er arbeidspakken ansvarlig for validering av metodene basert på historiske data, og uttesting av brukergrensesnitt for beslutningsstøtte på seitokt.
AP2: Utvikling av KI-modeller for artsklassifisering og størrelsesestimeringAnsvarlig: Ingrid Utseth (Norsk Regnesentral)
Denne arbeidspakken skal utvikle KI-modeller for estimering av artssammensetning og størrelsesfordeling i seistimer. Modellene trenes og valideres på data som klargjøres i AP1. Parallelt skal arbeidspakken undersøke muligheten for tilpasning av en grunnmodell som utvikles gjennom SFI-ene Visual Intelligence og CRIMAC til disse oppgavene. Arbeidspakken skal også utvikle kode for å hente ut prediksjoner fra modellene, formatert for beslutningsstøtte i sanntid.
AP3: Produksjonssetting av modellerAnsvarlig: Leif Bildøy (Kongsberg Discovery)
Denne arbeidspakken skal integrere preprosesseringsalgoritmene fra AP1 og KI-modellene fra AP2 inn i en sammenhengende programvarepipeline for lokal kjøring om bord på fartøy. Dette innebærer tilpasning av eksisterende KD-plattform for sanntidskjøring av KI-baserte analyser av ekkoloddata og utvikling av applikasjon for visualisering av modellprediksjoner i sanntid. Arbeidspakken inkluderer også uttesting og demonstrasjon av systemet i operative settinger, i samarbeid med HI og Storegg AS. Erfaringer fra testing brukes til iterativ forbedring av ytelse, stabilitet og brukergrensesnitt, med mål om å demonstrere et system som er modent for videre implementering i næringen.
Ansvarlig: Ingrid Utseth (Norsk Regnesentral)
Prosjektet vil styres gjennom denne arbeidspakken. NR vil sørge for løpende koordinering mellom alle prosjektpartnere og arbeidspakker, inkludert regelmessige (minst en gang i måneden) statusmøter i prosjektgruppen.
Formidlingsplanen er utformet for å nå forskningsmiljøer, næring og forvaltning. For å nå forskningsmiljøer planlegges deltagelse på de årlige møtene i arbeidsgruppen for fiskeriakustikk i ICES (WGFAST), samt innsending av en artikkel om KI-modellene til et internasjonalt fagfellevurdert tidsskrift. For å nå næringsaktører planlegger vi å publisere en populærvitenskapelig artikkel i fagpressen, samt deltagelse på konferansen Nor-Fishing. Mot prosjektslutt arrangeres en workshop med næring, ekkoloddleverandører og Fiskeridirektoratet for å diskutere videre implementering.