En robot-mikroplankton «snikskytterhund»

Lagt ut 30. mai 2021 12:44

Tvillingnyheter

[By Nancy Bazilchuk]

De mikroskopiske, flytende alger som kalles fytoplankton – og det lille dyreplanktonet som lever av dem – er utallige vanskeligere. Forskere trenger å vite hvordan global oppvarming vil påvirke dem begge. En ny type smart, lett autonom undervannsbil (LAUV).

Marine planteplankton, eller plankton, er utrolig viktig for livet på jorden. Når de arbeider med å konvertere sollys til energi, produserer de fullt ut 50 prosent av oksygenet vi puster inn.

Forskere er ikke overrasket over å lære hva klimaendringer og oppvarming av havene kan gjøre med disse små flytende oksygenfabrikkene, spesielt siden de støtter produksjonen av dyreplankton og fisk når de fungerer som grunnlag for sjømat.

Men kanskje å identifisere Blanka utrolig vanskelig. Det er som å se etter en milliard små nåler i et massivt halm – bortsett fra at både halmen og nålene sirkler hele tiden over store områder av havet, i rom og tid.

Nå utvikler et mellomliggende samarbeid mellom NTNU-forskere og deres kolleger ved SINTEF Ocean en smart robot, lettvekts autonom undervannsbil (LAUV) som er designet for å oppdage og identifisere forskjellige grupper av plankton.

I 2017 ga Norges forskningsråd 1,1 millioner dollar til et femårig program kalt AILARON. Tidligere i vår tok forskerne LAUV med på en testflyging til den forrevne norske kysten.

Tenk på LAUV som en robotversjon av en ekte narkotikahund, som begge kan identifisere medisiner i en pose og fortelle håndtererne hvor posen gikk.

Det som er spesielt her er at LAUV bruker hele prosesseringskjeden av bildebehandling, maskinlæring, hydrodynamikk, planlegging og kunstig intelligens til å «bilde, analysere, planlegge og lære» akkurat som sitt oppdrag.

Som et resultat kan roboten til og med estimere hvor flytende skapninger går, slik at forskere kan samle ytterligere informasjon om plankton når skapningene kjører havstrømmene. Tenk på LAUV som en robotversjon av en ekte narkotikahund, som begge kan identifisere medisiner i en pose og fortelle håndtererne hvor posen gikk.

«Det LAUV vårt gjør er å forbedre nøyaktigheten, redusere måleusikkerheten og akselerere muligheten til å modellere Blankton med høy oppløsning i både rom og tid,» sa Annette Stall, førsteamanuensis ved NTNUs Department of Engineering Cybernetics, leder for AILARON-prosjektet.

Nåværende tilnærminger er begrenset og tidkrevende

Modellering av planteplankton ved bruk av konvensjonelle metoder kan være veldig tidkrevende og kostbart.

«Analysen av planteplanktonprøver, spesielt ved høy tidsmessig og romlig oppløsning, kan være kostbar,» sier Nicole Aberle-Malhan, lektor i biologi ved NDNU, som er en del av prosjektet.

Det motsatte av de mer konvensjonelle metodene er at de kan gi mye informasjon, spesielt når det gjelder artssammensetning og biologisk mangfold.

Men de fleste av de båtbaserte eller fortøyede modellene gir øyeblikksbilder av tid eller tid, eller, hvis informasjon samles inn via satellitt, et mye større bilde av hva som skjer på sjøen, uten mye detalj. Gå inn i Robotic LAUV Sniper Dog.

Robotrevolusjonen møter kunstig intelligens

Roboten LAUV, raffinert av AILARON-forskerteamet, ser ut som en liten, tynn torpedo.

Den har et kamera som tar bilder av plankton i de øvre sjiktene i havet, i et område som kalles den fotiske sonen, som er dyp nok til at sollys trenger inn. Den har også klorofyll, ledningsevne, dybde, oksygen, saltinnhold og temperatur og hydrodynamiske (DVL) sensorer.

I en nylig feltinnsats koordinert av Joseph Garrett, en postdoktorforsker ved NDNUs avdeling for teknisk kybernetikk, samlet et mellomteam av forskere rundt tre timers reise fra Trondheim, på en liten øy utenfor norskekysten.

Når planteplankton reagerer på vårrelatert sollys, er formålet å fange vårblomstringsfenomenet, og organismen begynner å eksplodere.

Forskerne, ledet av Dor Arne Johansson, professor ved Institutt for teknisk kybernetikk ved NDNU, ga fytoplanktonestimater fra vannoverflaten ved hjelp av hyperspektral bildebehandling fra både droner og småfly. De hadde også satellittbilder for å gi klorofyllestimater fra verdensrommet. Til slutt sendte LAUV og Plankton modelleamet enhetene sine på sporet for å følge blomstringen i tid og rom.

Forskere har bekreftet at planteplankton «blomstrer» ved å filtrere sjøvann. Da de lyse hvite filtrene ble brune, skjønte de at planteplanktonproduksjonen i vannsøylen var i høygir.

Sniperhund trening

Du kan se på AUV-bilder og kategorisere dem akkurat nå fordi det har blitt «lært» over tid å gjenkjenne forskjellige grupper av plankton fra bildene det tar.

Kjørecomputeren lager et kart over sannsynlighetstetthet for å vise arealstørrelsen til organismer den oppdager.

LAUV hatspatkalukkut kan bestemme seg for å gå tilbake til tidligere oppdaget, arten de er interessert i å utforske området. Dette er hvor menneskelige håndtere kan spille en rolle, fordi de kan «snakke» med LAUV om nødvendig.

LAUVs modellalternativer kan endres som svar på forskernes oppdagelse, og det er derfor de kaller det en slags snifferhund – den kan oppdage interessemønstre og kartlegge et sett som et forskningsfartøy kan komme og følge. -En modell.

Informasjonen som samles inn av sensorene mens LAUV tar prøvene, vil bidra til å bestemme fordelingen og størrelsen på målorganismer før LAUV flytter til neste hotspot.

Kan forutsi hvor strømmen går

Plankton kan ikke svømme mot strømmer. I stedet flyter de og blir påvirket av strømmer. Det betyr at forskere trenger å vite hva som skjer med strømmer.

Skarpskytterhunden LAUV er utstyrt med verktøy som gjør det mulig å lage estimater av lokale strømmer i forskjellige dype lag. Deretter beregner den et utvalg, som gjør det mulig å forutsi hvor Plankton vil gå, og det vil hjelpe LAUV å bestemme hvor den skal gå videre.

Modellering og prosessering av bilder av LAUV kalles en handling, dvs. prøven blir raffinert igjen og igjen. Det er som å trene en snifferhund med tusenvis av treningsøkter.

Etter å ha gjennomført en innledende «standard gressklipper» -undersøkelse, er det overordnede målet at LAUV skal kunne besøke Plankton Hotspot – slik ser det ut.

«Vårt mål er å forstå sosiale strukturer og dissosiasjon i forhold til vannsøylens biologiske prosesser,» sa Stall. «Videre lar bruken av LAUV oss samle inn denne informasjonen – for eksempel kan vår LAUV operere i opptil 48 timer.»

Mange detaljer om tid og sted

Bruken av smarte LAUV-teknologier hjelper til med å vurdere de biologiske, fysiske og kjemiske forholdene i et bestemt område med høy tidsmessig og romlig oppløsning, sa Stall.

«Tradisjonelle tilnærminger til å bruke denne typen modelloppløsning Plankton vil aldri kunne få oss,» sa han. «Programmer som AILARON vil bidra til å forbedre vår kunnskap om miljøet og øke potensialet for fremtidig miljøovervåking og forvaltning under marine forhold.»

Khair Johnson, en marinbiolog med NDNUs avdeling for biologi (NDNU) og ledende forsker ved universitetets senter for autonome operasjoner og organisasjoner (AMOS), er enig.

«Vi ønsker å få en oversikt over artsfordeling, biologisk mangfold og helsestatus som en funksjon av tid og rom,» sa han. «Men for å gjøre dette må vi bære roboter under vann.»

Denne artikkelen ser ut til å være en hyllest til NDNU og kan bli funnet i sin opprinnelige form Her.

Synspunktene som er uttrykt her, er de fra forfatteren og ikke av The Maritime Executive.