Prosjekt: CRIMAC – senter for forskningsdrevet innovasjon
Periode
01. oktober 2020 - 30. september 2028
Finansiert av
Forskingsrådet, industripartnarar og Havforskingsinstituttet
Partnere
Industripartnarar: Kongsberg Maritime, Scantrol, Scantrol Deep Vision, CodeLab Bergen, Norway Royal Salmon, Liegruppen fiskeri og Eros. Forskningspartnarar: NORCE, Norsk Regnesentral og UiB
CRIMAC vil forbetre og automatisere tolkinga av bilde frå moderne breidbandsakustikk på forskingsfartøy og fiskebåtar. Det ved hjelp av tokt og feltforsking, kunstig intelligens, dronar og annan teknologi.
I tillegg til hovudmålet om eit meir berekraftig fiske og forbetra fiskeriforvalting, vil ei betre forståing av «akustiske dialekter» kunne bidra til meir berekraftig forvalting av anna bruk av hav og kystareal, som oppdrett og energiproduksjon.
Senteret har ei finansiering på om lag 28 millionar kroner i året i åtte år. Det er eit samarbeid mellom forsking og industri.
CRIMAC står for Center for Research Based Innovation in Marine Acoustic Abundance Estimation and Backscatter Classification.
Det nye utstyret gir enorme moglegheiter
Fiskeriakustikk i ekkolodd, sonarar og sensorar vert brukt til å måle og overvake dei største fiske- og krilbestandane i havet og korleis dei fordeler seg i økosystemet. Eit moderne fiskeri utan akustisk verktøy for å følge med på havbotnen, fiskestimer og sjølve fangstprosessen, er i dag heilt utenkeleg.
Ekkolodda har i dei siste åra fått ny breidbandsteknologi og ei enorm oppløysing. Forskings- og fiskefartøya kan no ikkje berre observere mengda av fisk og andre organismar under fartøyet, men heile ekkospekteret frå organismane.
Det kan vi kalle «dialekten» deira. Dialekten til ein enkelt sild blir påverka av kroppsform, svømmeblære, andre kroppsdelar og åtferd, og den er svært forskjellig frå makrellen sin "ekkodialekt".
I det nye CRIMAC-senteret skal vi utføre systematisk, eksperimentell feltforsking som kan brukast til å tolke dei ulike ekkodialektane til dyra i havet, gassutslepp frå havbotnen og ulike typar havbotn.
Vil lage ekkobibliotek med kunstig intelligens
Vi vil utvide dagens metodar for å klassifisere det vi ser på ekkoloddet ved hjelp av maskinlæring og kunstig intelligens.
Som ein flaggermus, som ved hjelp av denne metoden og lang erfaring, har lært seg forskjellen mellom dialekten til feite og tynne fluger, skal vi i CRIMAC bygge opp eit bibliotek av ekkodialektane til fisk, larver, dyreplankton, maneter, gassutslepp og havbotn.
Vil gi meir presist fiskeri
Dette vil forbetre dagens tolking av akustikken, og på sikt hjelpe fiskeskipperen til å ta gode fangstavgjersler. Er det rett fiskestim skipperen ser på ekkoloddet, eller er det ein annan art som ikkje bør fangast?
Videre vil vi gjere bifangst til eit mindre problem ved hjelp av direkte observasjonar frå trålen med kamera e.l. og innretningar for å målrette fangsten mot art eller størrelse.
I arbeidet vil vi bruke Scantrol DeepVision – ein «trål-fotoboks», utstyrt med aktiv seleksjon og opne-/lukkesystem for å bekrefte tolkingane av det vi registrerer på ekkoloddet.
Har fotoboks i trålen og dronar på kryss og tvers
Med trål vil vi kunne ta prøver i sekvensar på djupt vatn, for eksempel inne i mesopelagiske dyresamfunn – ein stor og uutnytta ressurs som vi vil lære meir om.
Vi vil vurdere om bildeinformasjon frå lange trålhal med kamera og open sekk kan brukast til å gi estimat av pelagisk fisk og botnfisk.
Dronar, sonder og riggar som står på botn skal vi utstyre med miniatyrutgåver av breidbandsakustikk. I kor stor grad kan farkostane supplere og forbetre datainnsamlinga på vitskaplege tokt, og ikkje minst, kan dei hjelpe i aktivt fiskeri?
Alle publikasjoner fra CRIMAC
Nonlinear crosstalk in broadband multi-channel echosounders.
Khodabandeloo, Babak; Ona, Egil; Macaulay, Gavin; Korneliussen, Rolf. 2021, Journal of the Acoustical Society of America.
Combined trawl-mounted optic and acoustic methods to study the mesopelagic ecosystem.
Rosen, Shale Pettit; Garcia Seoane, Eva; Underwood, Melanie; Klevjer, Thor Aleksander; Macaulay, Gavin John; Agersted, Mette Dalgaard; Melle, Webjørn Raunsgård; Handegard, Nils Olav; Malde, Ketil; Allken, Vaneeda. 2021, e ICES-FAO Working Group on Fishing Technology and Fish Behaviour [WGFTFB] and the Working Group on Fisheries Acoustics Science and Technology [WGFAST] (JFATB).
Monitoring salmon with broad band echo sounders – investigate acoustic parameters as indicators for welfare.
Rong, Maren F.; Oppedal, Frode; Pedersen, Geir; Handegard, Nils Olav; Forland, Tonje Nesse. 2022, WGFAST - Working Group on Fisheries Acoustics Science and Technology.
The application of CW and FM sonar technology to
detect a decrease in air in the swim bladder of
Atlantic salmon, measurements and modeling. Master thesis.
Inverse method applied to autonomous broadband hydroacoustic survey detects higher densities of zooplankton in near-surface aggregations than vessel-based net survey.
Dunn, Muriel Barbara; Pedersen, Geir; Basedow, Sünnje Linnéa; Daase, Malin; Falk-Petersen, Stig; Bachelot, Loic; Camus, Lionel; Geoffroy, Maxime. 2022, Canadian Journal of Fisheries and Aquatic Sciences.
Using split beam, broadband acoustics to measure behaviour of salmon in normal and sea lice preventative submerged cages with either air dome or bubbles for swim bladder refilling.
Kahrs Skaale, Cecilie; Oppedal, Frode; Forland, Tonje Nesse; Salvanes, Anne Gro Vea. 2023, Universitetet i Bergen.
Investigation of broadband acoustic to resolve and identify nearby targets using different pulse durations .
Khodabandeloo, Babak; Pedersen, Geir; Forland, Tonje Nesse; Korneliussen, Rolf; Handegard, Nils Olav. 2023, From Echosounders to the Cloud: Transforming Acoustic Data to Information.
Direct measurements of the migration speed of spawning herring.
Ona, Egil; Zhang, Guosong; Vatnehol, Sindre; Berg, Sverre; Andersen, Lars Nonboe; Handegard, Nils Olav. 2023, From Echosounders to the Cloud: Transforming Acoustic Data to Information.
A story about data extraction and deep learning applied to fishery acoustic data.
Handegard, Nils Olav; Bildøy, Leif; Brautaset, Olav; Furmanek, Tomasz; Holmin, Arne Johannes; Utseth, Ingrid; Vatnehol, Sindre; Malde, Ketil. 2023, From Echosounders to the Cloud: Transforming Acoustic Data to Information.
Towards a multi-platform armada strategy for ecosystem based marine surveys.
Johnsen, Espen; Handegard, Nils Olav; Totland, Atle; Holmin, Arne Johannes; Kvamme, Cecilie; Salthaug, Are; Huse, Geir. 2023, From Echosounders to the Cloud: Transforming Acoustic Data to Information..
Applications and analytical approaches using imaging sonar for quantifying behavioural interactions among aquatic organisms and their environment.
Munnelly, Ryan T.; Castillo, Jose Carlos; Handegard, Nils Olav; Kimball, Matthew E.; Boswell, Kevin M.; Rieucau, Guillaume. 2023, ICES Journal of Marine Science.
Unraveling Acoustic Signal Patterns in Fisheries Through DINO-Based Self-Supervised Learning.
Pala, Ahmet; Oleynik, Anna; Malde, Ketil; Handegard, Nils Olav. 2024, 94th Annual Meeting of The International Association of Applied Mathematics and Mechanics (GAMM).
Kongsberg Maritime:Olav Vittersø, Lars Nonboe Andersen, Ivar Wangen, Martin Tollefsen, Thor Barhaugen
Inge Eliassen (NORCE), Yngve Hegglund (NORCE), Ruben Patel (Codelab), Chu Dezhang (NMFS, NOAA), Pierre Petitgas (IFREMER), Anne Gro Vea Salvanes (UiB), Per Lunde (UIB), Per William Lie (Liegruppen AS), Helge Hammersland (Scantrol og Scantrol DV), Per Magne Eggesbø (Eros AS), Pål Cato Reite (Eros AS), Guttorm Alendal (UiB), Annt Børre Salberg (Norsk Regnesentral)
Senter for forskningsdrevet innovasjon (SFI)
Senter for forskningsdrevet innovasjon er Norges forskningsråds ordning for å bygge opp eller styrke norske forskningsmiljøer som arbeider i tett samspill med innovativt næringsliv. Formålet er å støtte langsiktig forskning som fremmer innovasjon og konkurransekraft i næringslivet.
