SGU kartlägger undervattensmiljöer med artificiell intelligens

På SGU finns ett stort underlag av bildmaterial på marina bottenmiljöer, från rörligt videomaterial till högupplösta stillbilder. Att tolka detta material är idag mycket tidskrävande, och en viktig del i projektet är därför att utveckla snabbare och mer kvalitetssäkra digitala tolkningsmetoder. I detta utvecklingsarbete används SGU:s bildmaterial för att träna maskininlärningsalgoritmer på art- och substrat igenkänning.

En stor utmaning inledningsvis är att skapa en digital miljö där detta är möjligt. Då bildmaterialet i regel är stort, och tolkningsmetoden kräver strömmande material, kommer så kallad ”federerad maskininlärning” användas. Det innebär förenklat att informationen, även bilder, fördelas på flera olika klienter för att sedan kombineras och processeras med hjälp av den sammanlagda kapaciteten hos klienterna. Detta ger ökad beräkningskraft och nätverkskapacitet, och har fördelar ur en säkerhetssynpunkt då mer data kan stanna lokalt eller aldrig flyttas i sin helhet eller originalform.

Arbetet har påbörjats under hösten 2021 med att etablera tillgång till högprestandamiljön på SNIC (The Swedish National Infrastructure for Computing) och ta fram ett testdataset med bildmaterial från Norra Midsjöbanken, ett område som SGU redan har karterat och tolkat.

Om Ocean Data Factory

Projektet är ett samarbetsprojekt mellan en rad akademiska institutioner (Göteborgs Universitet, Chalmers, RISE, SNIC), myndigheter (SGU och SMHI) och ett tiotal industriaktörer, med finansiering av Vinnova. Huvudsyftet med det stora projektet är att möjliggöra utveckling av digitala metoder och tekniska strategier för automatiserat arbete i frågor kring global hållbarhet och blå ekonomi.