CRIMAC - Centre for research-based innovation in marine acoustic abundance estimation and backscatter classification

Det primære målet med SFI er å utvikle metodar innan fiskeriakustikk og tilhøyrande optiske metodar, og å bruke slike metodar på 1) undersøkingar av marine organismar, 2) fiskeri, 3) akvakultur og 4) energisektoren. Kva er, og korleis bidreg ulike delar av marine organismar til breiband-tilbakespreiing? Komplekse breibandfrekvensresponsar frå marine organismar blir utforska gjennom ulike numeriske modellar. Vi har testa og etablert fungerande modellar for å modellera akustisk tilbakespreiing frå ei rekke ulike frekvensar og målobjekt. Numerisk stabilitet og køyringstid er viktig, og ulike implementasjonar har blitt testa. CRIMAC har utvikla ein effektiv infrastruktur for å modellere akustisk tilbakespreiing. Detaljane i signalbehandling av Simrad EK80 breiband-ekkolodd er publisert. Dette inkluderer eksempelkode, ein tilhøyrande artikkel og ei effektiv implementering i det kommersielt tilgjengelege LSSS-systemet. Vi er no i prosessen med å konvertere dei historiske arkiva frå HI til denne standarden. Tilnærminga vart presentert på “CRIMAC Workshop on data processing methods for large volumes of plankton and fisheries-acoustics data”, med deltakarar frå 18 land og 49 ulike institusjonar. Kva er breibandfrekvensresponsane til marine organismar og andre reflektorar? HI har samla inn breiband-ekkolodddata på zooplankton, makrell, sild og botnfisk frå merder, forskingsfartøy og fiskefartøy. Eit stort testdatasett som dekkjer ei rekke ulike bruksområde har blitt tilrettelagt, og er publisert gjennom Norsk marint datasenter. Dette er ein nyttig ressurs for forskingsmiljøet når ein skal utvikle og teste algoritmar. Kode for å prosessere data ved bruk av CRIMAC sine prosesseringstrinn er tilgjengeleg. HI har bygd eit nytt marint forskingsanlegg som inkluderer 16 12x12 m2 merder på Austevoll forskingsstasjon. CRIMAC har bidrege til planlegginga av anlegget, og eit ekkoloddoppsett har blitt utvikla for å passe inn i merdene, noko som gjer oss i stand til effektivt å gjennomføre ekkoloddmålingar på ulike artar. Å måle storleiken på fisk er viktig for fiskeriindustrien, oppdrettsnæringa og vitskaplege undersøkingar, og vi jobbar med ulike strategiar for å estimere lengde ut frå breibandsignal. Eit merd-eksperiment har blitt gjennomført på laks under vekst for å vurdere endringa i breibandtilbakespreiing etter kvart som fisken veks. Datasett som dekkjer eit spekter av storleikar har blitt tatt opp og vil bli brukt til å teste ulike algoritmar for storleiksestimering. Kva for organismar og målobjekt genererer breiband-tilbakespreiing? Den taksonomiske oppløysinga i akustiske data er avgrensa, og metode for feltverifisering er nødvendig for å påliteleg kunne klassifisere akustisk tilbakespreiing til artar eller artsgrupper. Scantrol Deep Vision har utvikla eit optisk system som kan festast inni trålen, og CRIMAC har implementert maskinlæringsmetodar for å tolke bildestraumen frå eininga, samt integrert dette i HI sin arbeidsflyt. Metoden har blitt testa med suksess på HI sitt økosystemtokt i dei nordiske havområda. Klåre bilete frå kamera inni trålane er nødvendige for å kunne bruke optiske metodar nær havbotnen, både til kommersielle og vitskaplege føremål. Når ein prøver å ta prøvar nær botnen, vil sediment påverke bildekvaliteten, og eksperiment for å vurdere denne utfordringa er publiserte. Scantrol har utvikla ein ny versjon av systemet kalla "CamSounder". Dette er ein lettare versjon som har potensialet til å kunne bli brukt på alle fartøy, meir som ein vanleg trålsensor, og planen er å samanlikne resultata frå den nye sensoren med den tidlegare. Kan maskinlæringsmetodar påliteleg og nøyaktig kategorisere akustisk tilbakespreiing? Moderne maskinlæringsalgoritmar kan brukast på store mengder historiske akustiske data, og datasett frå lange tidsseriar av akustiske undersøkingar har blitt tilrettelagt. Ulike algoritmar for å betre ytinga til maskinlæringsalgoritmar for akustisk målklassifisering har blitt utvikla, inkludert semisuperviserte algoritmar. Ei utfordring er dei svært ubalanserte datasetta, der dei fleste ekkoa ikkje stammar frå målartane. Vi har utvikla utvalstrategiar for å handtere dette, og brukt det når vi trenar algoritmane. Sjølv-trente metodar har blitt trena på det historiske dataarkivet ved bruk av DINO-arkitekturen. Metoden har blitt testa på akustisk målklassifisering som «downstream task». Korleis kan ein bruke akustiske sensorar på autonome plattformer, vurdere uvisse og utnytte effektane av åtferd på akustisk tilbakespreiing? Autonome plattformer eller sjølsturte platformer kan effektiv samla inn aksutiske data. Sounder-plattforma har blitt testa på to ulike CRIMAC-tokt, inkludert datakvalitet og operasjonelle eigenskapar. Vi arrangerte ein CRIMAC-workshop om fiskeriakustikk og ubemanna overflatefartøy, med deltaking frå fleire nasjonale og internasjonale institusjonar. Rapporten frå workshopen er publisert i ICES Journal of Marine Science.

Fisheries acoustics is used to monitor the largest fish and krill stocks in the world’s oceans and to study marine ecosystems. A modern fishery without acoustic tools for detection, inspection and monitoring of seabed, schools, and the catching process is unthinkable. New wideband echo sounders offer a new opportunity in this arena for Norwegian science and industry. Science and fishing vessels can not only observe the echo amplitude and density of fish under the vessel, but also utilize the backscattered echo spectrum from the organisms. For simplicity, we prefer to define this as the echo dialect of the objects, as for example, an echo from an individual herring is affected by body shape, swim bladder, body constituent and behavior, and is different from the mackerel “echo dialect". We propose that systematic experimental and in situ research can be used to understand and interpret the different echo dialects from fish and marine organisms. We will further expand on existing multifrequency methods for classification and target sizing by utilizing modern machine learning techniques. This will improve the accuracy of existing monitoring methods and help the fishing skipper to make good catch decisions. Further, direct optical observations from the trawl and use of active selection devises will reduce bycatch. For accurate verification of acoustic recordings, we need continuous optical information from the trawl cod end. This will be achieved with the Scantrol DeepVision system, here tested with active selection devices, and open/closing nets. Discrete samples may then be taken sequentially in deep water, such as in mesopelagic communities. Wideband technology has been miniaturized and can be installed in probes, bottom landers, and surface and underwater unmanned vehicles (drones). We will assess how these can improve scientific monitoring by increased adaptive sampling, and how drones can be used in fishing for forward-mapping and inspection prior to catching.