CRIMAC: Centre for research based innovation in marine acoustic abundance estimation and backscatter classification
Ekkolodd er et viktig hjelpemiddel for å finne ut hvor mye fisk og hva slags type som er i havet. Fiskere ønsker å tråle på stimer med fisk av rett art og størrelse. Havforskere ønsker å kartlegge hvilke ressurser av fisk og plankton som finnes i havet. I begge tilfeller gir ekkolodd nyttig informasjon om hva som befinner seg i vannmassene under båten. Dette gjelder spesielt for nye typer bredbåndsekkolodd som kan måle et kontinuerlig frekvensspektrum. Denne type bredbåndsdata gir muligheter for nye metoder som gir økt innsikt. Dette er et hovedfokus for CRIMAC.
CRIMAC er et SFI-senter som tar sikte på å utvikle vitenskapelige metoder for å forstå og utnytte data fra bredbåndsekkolodd. NORCE har relevant kunnskap innen akustikk, matematiske metoder og datavitenskap og bidrar med både teoretisk metodeutvikling og med praktisk dataprosessering. NORCE har også utviklet programvaren LSSS i samarbeid med Havforskningsinstituttet som brukes til å tolke akustiske data.
Det er svømmeblæren til fisk som gir den største responsen ved målinger med ekkolodd. For arter uten svømmeblære (slik som tobis og makrell) er responsen gitt av kroppen/vevet til fisken. Når den akustiske spredningen fra fisken/svømmeblæren er forstått, kan man si noe om egenskapene til fisken basert på akustiske målinger. Formen til fisk/svømmeblære kan man for eksempel bestemme ved hjelp av ultralyd, og spredningsproblemet kan så løses numerisk. Alternativt kan man definere en enklere modell av fisk/svømmeblære som kan studeres analytisk. Begge metoder har fordeler og ulemper. NORCE bidrar med utvikling av analytiske metoder der fiskens svømmeblære blir modellert som en prolat spheroide, dvs. en rotasjonsellipsoide som er kommet fram ved at en ellipse er rotert omkring langaksen sin. Figurene under viser en tobis, en ellipse og en prolat spheroide.
Dataene fra ekkoloddet bør ha best mulig kvalitet for at resultatet av de analysene man gjør skal være så riktige som mulig. Imidlertid er det ofte ulike typer støykilder som påvirker målingene. Dette kan være støy fra skip og bølger eller signaler fra andre måleinstrumenter. NORCE bidrar til utvikling av metoder for deteksjon og fjerning av smalbåndet støy. Dette er en type støy som forekommer på noen få enkeltfrekvenser og som kan gi utslag i frekvensspekteret til bredbåndsdata. Da trenger man metoder for å finne hvilke frekvenser som inneholder støy, slik at man etterpå kan fjerne støyen eller simpelthen se bort fra disse frekvensene.
NORCE bidrar også med utvikling av automatisert prosessering og analyse av akustiske data. Dette er noe som blir stadig mer relevant og også nødvendig i og med økt bruk av seilbøyer og andre autonome farkoster utstyrt med ekkolodd og andre måleinstrumenter. Da øker datamengden slik at det ikke er praktisk mulig å analysere alle dataene manuelt. Derfor trengs det en automatisk prosessering som tar utgangpunkt i rådata fra ekkoloddet, gjør de analysene man er interessert i og til slutt ender opp med rapporter man enklere kan bruke videre.
For mer informasjon om CRIMAC, se https://crimac.no/.
Prosjektfakta
Navn
CRIMAC: Centre for research based innovation in marine acoustic abundance estimation and backscatter classification
Status
Aktiv
Periode
01.12.20 - 31.12.27
Totalt budsjett
214.726.000 NOK
Prosjektets hjemmeside
Publikasjoner
A deep learning-based method to identify and count small pelagic and mesopelagic fishes from trawl camera images – Allken, Vaneeda; Rosen, Shale Pettit; Handegard, Nils Olav; Malde, Ketil. 2024, . HAVFORSK, UIB.
Self-supervised feature learning for acoustic data analysis – Pala, Ahmet; Oleynik, Anna; Malde, Ketil; Handegard, Nils Olav. 2024, Ecological Informatics. UIB, HAVFORSK.
Examples of AI and Machine Learning methods applied to data from marine ecosystems – Handegard, Nils Olav. 2024, . HAVFORSK.
Se alle publikasjoner på Cristin
