Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

Autonomous water sampling with real-time in situ data analysis for ocean environmental monitoring

Alternativ tittel: Autonom vannprøvetaking med sanntids in-situ dataanalyse for havmiljøovervåking

Tildelt: kr 12,0 mill.

Havforskning og miljøovervåking krever at det tas vannprøver som skal analyseres for å kartlegge hva de inneholder av blant annet biologisk materiale og mineraler. I dette prosjektet skal det uvikles teknologi for at vannprøver skal kunne tas automatisk fra et ubemannet overflatefartøy eller uten menneskelig hjelp fra et bemannet fartøy som en brønnbåt eller fraktfartøy. Systemet skal både kunne fiksere vannprøvene så de kan bringes til land for analyse i et laboratorium, eller analyser som bruker AI/maskinlæring på data fra biooptiske sensorer (spektroskopi og mikrokamera) ute på havet. Systemet skal kunne ta prøver fra overflaten og ned mot 20 meters dyp, og beslutninger om hvor og når vannprøver skal tas skal være automatiskert. Eksempelvis kan analyser ombord bestemme om det skal tas en vannprøve som skal fraktes til land, siden kun et mindre antall slike prøver kan tas i løpet av et oppdrag. Prosjektet skal vise nytten av et slikt system, som forventes å være mer effektiv vannprøvetaking og analyse. Denne effektiviteten måles både i form av kostnader, nytteverdi og operasjonens fotavtrykk på miljøet.

The project targets a key challenge in ocean observation using autonomous systems, which is how to make in situ water sampling and real-time analysis of such samples as an autonomous process onboard small conventional vessels and autonomous surface vessels (ASVs). The scope includes both bringing water samples back for onshore laboratory analysis, miniaturized autonomous onboard laboratory where machine learning will be used to address bio-optic data analytics, and adaptive techniques to collect samples at optimal locations and times to maximize information. For validation of the methods, we plan to use ASVs and fish-farm workboats for environmental monitoring, including phytoplankton bloom dynamics as a case of high relevance for the society in general, and Harmful Algal Blooms (HABs) and salmon lice larvae that are particularly relevant for the aquaculture industry. The project takes an inter-disciplinary approach to bring researchers, having expertise on enabling technology in AI/autonomy, together with researchers in chemistry and marine biology, having expertise in ocean bio-optics and water sampling, as well as industry. It is expected to not only lead to fundamental knowledge, but also to innovations that can be exploited by industry and government agencies.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon