Crédito CC0:domínio público
O sonar é comumente usado para mapear o fundo do oceano, e composição do fundo do mar (por exemplo, lama, argila ou rocha) afeta a forma como o som é refletido de volta. Salinidade, a profundidade e a temperatura da água também afetam como as ondas sonoras são propagadas através da água.
Isso significa que as medições do sonar em diferentes profundidades e distâncias podem fornecer sondagens precisas das propriedades do oceano, por exemplo, como as correntes subaquáticas se propagam, como as profundidades do oceano mudam com o clima ou onde é melhor ouvir as baleias.
Trabalhando com Systems Engineering &Assessment Ltd (SEA), cientistas do Instituto de Inovação Matemática da Universidade (IMI) desenvolveram um algoritmo de Inteligência Artificial (AI) que pode melhorar o mapeamento subaquático ao dar sentido a dados incompletos e calcular quantas medições são necessárias para fornecer um levantamento preciso.
A pesquisa fez parte de um projeto contratado pela The Defense and Security Accelerator (DASA), uma parte do Ministério da Defesa, para melhorar o monitoramento dos vastos territórios marinhos do Reino Unido usando sonar de alta tecnologia. A SEA liderou o projeto e forneceu dados de sonar simulados para treinar e testar os algoritmos de IA desenvolvidos pelo IMI.
A tecnologia também pode ser potencialmente usada para tomografia oceânica em bacias oceânicas inteiras, como o Ártico, estudar os efeitos das mudanças climáticas nos oceanos e possibilitar melhor a sustentabilidade das atividades humanas em ambientes e ecossistemas frágeis.
Palestrante sênior, Dr. Philippe Blondel, do Centro para o Espaço da Universidade, Ciência Atmosférica e Oceânica, trabalhou no projeto ao lado do especialista em aprendizado de máquina, o professor Mike Tipping, do IMI.
Dr. Blondel disse:"Existem muitas variáveis diferentes que afetam como as ondas sonoras são propagadas na água, já que algumas frequências de som podem viajar mais longe do que outras.
"Se você pensar sobre o som de uma orquestra, conforme você se afasta, você pode perder o som de alta frequência dos violinos, mas ainda será capaz de ouvir as notas de baixa frequência dos violoncelos. A batida dos tambores seria ainda mais sentida.
"É o mesmo com os sons do oceano, que vêm do clima, como chuva e tempestades, os animais, como baleias e peixes, mas também humanos, com navios e atividades offshore.
"Para este projeto, queríamos modelar como os ecos do sonar foram alterados pela profundidade, salinidade e temperatura para que pudéssemos usar o som para medir essas variáveis no oceano. "
Os pesquisadores primeiro analisaram as muitas características dos ambientes subaquáticos e os classificaram em diferentes tipos.
Eles usaram a Modelagem Gerativa Probabilística para desenvolver vários algoritmos de IA para identificar ambientes subaquáticos.
Depois de desenvolver o algoritmo de IA, os pesquisadores testaram seu desempenho em uma ampla gama de dados acústicos simulados, representando um amplo espectro de ambientes subaquáticos.
Os testes demonstraram que o algoritmo Probabilistic Principal Component Analysis (PPCA) pode classificar ambientes subaquáticos a partir de medições simuladas de sonar com uma precisão média de 93%.
Um modelo alternativo de Processo Gaussiano Variável Latente (LVGP) também mostrou um forte desempenho e permitiu-lhes alcançar uma precisão de classificação ainda maior de 96%.
As simulações mostraram que uma classificação precisa pode ocorrer mesmo com medições de sonar em intervalos espaciais curtos, tornando-o adequado para uso prático, e. com veículos autônomos lentos.
Marcus Donnelly, Líder técnico em ciência de dados ambientais na SEA Ltd, disse:"Este projeto excedeu todas as nossas expectativas para algoritmos de IA aplicados à complexidade do sonar no ambiente subaquático.
"Esperamos continuar nossa colaboração com o IMI após feedback positivo do MoD."
Os pesquisadores antecipam que a técnica poderá ser usada no futuro para monitorar os efeitos das mudanças climáticas.
O Dr. Blondel disse:"Os cientistas do clima monitoram a propagação do som no oceano ao redor dos pólos para observar as mudanças de temperatura ao longo do tempo. Nossas técnicas podem ajudar a determinar onde melhor localizar as estações de monitoramento para fornecer os dados mais abrangentes usando o número ideal de medições."