A WhaleSpotter nevű rendszer mesterséges intelligenciát (MI) és termikus képalkotó kamerákat használ arra, hogy valós időben észlelje a szürke bálnákat és riasztást küldjön hajóskapitányoknak. A San Francisco-öbölben most telepített rendszer célja, hogy napsütéses csillogás, sötétség vagy enyhe köd esetén is elegendő előrejelzési időt adjon ahhoz, hogy nagy hajók útirányt változtassanak.
Hogyan működik
A WhaleSpotter algoritmusa hőérzékelő kamerákból származó videó- vagy képadatot dolgoz fel; ezek a kamerák lehetnek parton elhelyezett állomásokon vagy mozgó hajókon. A bálnák kilégzésével és testfelületükkel járó melegebb víz által keltett hőségtüneteket a szenzorok érzékelik: ezek a felületek tipikusan legalább 3,6 °F (2 °C) melegebbek a környező tengervíznél. A termikus kamerák akár 4 tengeri mérföldre (nagyjából 7,4 km) képesek észlelni kilégzéseket és bukásokat.
Amikor az algoritmus bálnát azonosít, a rendszer rövid videokivágást és a hajótelemetriai adatokat (GPS-helyzet, irány, napszak) továbbít egy part menti adatközpontba. Onnan humán szakértők validálják a felvételt körülbelül 30 másodpercen belül, majd a megerősített riasztást továbbítják a környéken közlekedő hajóknak. A hajó fedélzetén egy irányítópult valós időben fogadja az értesítéseket és megjeleníti a hitelesített bálnahelyzeteket; a besorolás és a riasztás kiküldése között eltelt idő akár 1 perc is lehet. A rendszer emberi jóváhagyással működik, és a közölt adatok szerint 99 százalékos pontosságot ér el, csökkentve a hamis riasztások miatti fáradtságot.
Telepítés és gyakorlat
A San Francisco-öbölben a telepítés két kamerát tartalmaz: az egyik egy szigeten álló parti őrség-állványra szerelt, a másik pedig egy személyszállító komp fedélzetén található, a terv szerint további egységek telepítése várható. A kamerák védőburkolata cipősdoboz méretű, ellenáll a sós víznek és más környezeti hatásoknak, továbbá stabilizáló megoldás tartja állandó nézőpontban a képet.
A rendszer a helyben futó, nyilvánosságra nem hozott hardveren dolgozik, hogy elkerülje a nagyfelbontású videók adatközpontba küldésével járó késleltetéseket. A WhaleSpotter részleteket nem közölt az algoritmus belső működéséről, de sajtójelentések szerint egy neurális hálózatról van szó, amelyet több százezer termikus képpel tanítottak, beleértve negatív példákat is (madarak, hullámverés, hajók).
Előzmények és elterjedés
A WhaleSpotter rendszere a Woods Hole Oceanographic Institution (WHOI) több mint egy évtizedes kutatásain alapul. A csapat 2024-ben létrehozta a vállalatot a technológia kereskedelmi hasznosítására. A Matson nevű hajózási társaság korai támogatást nyújtott és egységeket helyezett el hajóin, amelyek Alaszka és Hawaii járatait szolgálták, így Matson lett az első konténerszállító, amely kereskedelmi célra telepítette a technológiát. Jelenleg több mint 70 WhaleSpotter rendszer működik hajókon, kikötőkben és offshore energetikai műveleteknél. A san francisco-i telepítés az első, amely egyszerre tartalmaz álló és mozgó kamerákat.
Miért fontos
A hajók és bálnák közötti ütközések régóta komoly problémát jelentenek: az Ocean Wise környezetvédelmi szervezet szerint évente körülbelül 20 000 bálnát ütnek el és ölnek meg hajók világszerte. A hagyományos megoldások emberi megfigyelésre támaszkodnak (ami csak jó látási viszonyok között hatékony), illetve hidrofonokat használnak a bálnahangok észlelésére (ami csak akkor működik, ha a bálna hangot ad). Az utóbbi években a tenger hőmérsékletének emelkedésével több szürke bálna vonult be táplálékért a San Francisco-öbölbe; a Marin County Marine Mammal Center és a California Academy of Sciences vizsgálata szerint a helyben elpusztult bálnák mintegy 40 százalékát hajók ütközése okozza.
A WhaleSpotter célja, hogy szenzorok, MI és emberi ellenőrzés kombinációjával csökkentse az ilyen eseményeket, különösen alacsony látási viszonyok és éjszakai forgalom idején.
Gyors tények
- A rendszer a telepítést követően másfél héten belül 6 600 bálnát naplózott.
- A bálnák kilégzései és testfelületei által keltett hő jellemzően legalább 2 °C-kal melegebb a tengervíznél.
- A termikus kamerák akár 4 tengeri mérföldes távolságból is érzékelhetnek kilégzéseket.
- A besorolás és a riasztás közt eltelt idő akár 1 perc lehet; a humán felülvizsgálattal elért pontosság 99%.
A WhaleSpotter példája azt mutatja, hogyan lehet a fejlett szenzorikát és az MI-t valós munkafolyamatokba integrálni a tengeri vadvédelem hatékonyságának növelésére.
