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."