Tillståndet för havsmiljön bedöms bland annat genom inventeringar och övervakningsprogram av olika slag. Det kan till exempel handla om att filma eller fotografera havsbottnarna i ett område, och sedan titta på bilderna för att identifiera vilka arter som finns där. Det är ett arbete som tar mycket tid.
Det nya digitala verktyget SUBSIM använder istället maskininlärning för artbestämningen. Bilder och filmer laddas upp på en server och ut kommer artlistor, mängd biomassa, kartor med täckningsgrad till exempel för ålgräs, eller något annat som analysen skräddarsytts för.
– Vi hoppas att SUBSIM ska bli en nationell plattform för att övervaka och förstå den marina miljön bättre. Nu har vi skapat ett första system som kan anpassas och vidareutvecklas beroende på olika användares behov, säger Matthias Obst.
Kartlägger musselbankar i Östersjön
En partner i utvecklingen av SUBSIM är Sveriges geologiska undersökning SGU. Här har verktyget anpassats för att bistå vid kartläggningen av olika bottenmiljöer i Östersjön, till exempel musselbankar. Kartläggningen baseras på högupplösta bilder som fotograferas med en kamera som sätts ner på havsbotten. Hittills har bottentyper identifierats manuellt i ett antal slumpvis utvalda punkter på bilderna.
– Med SUBSIM går avläsningen snabbare och dessutom kan information från hela bilden analyseras istället för ett fåtal punkter. På så vis kan man få mycket högupplösta kartor över bottnarna i framtiden, säger Matthias Obst.
Följer storleksutvecklingen i fisksamhällen
Verktyget kan även användas för att identifiera rörliga organismer. I ett samarbete med ett vindkraftföretag tränas SUBSIMs algoritmer att artbestämma och mäta storleken på fiskar, helt automatisk. Syftet är att kunna övervaka vad som händer runt havsbaserade vindkraftparker.
– Man vill till exempel kunna följa om det blir det fler eller färre arter, eller om storlekssammansättningen i fisksamhället ändras, säger Matthias Obst.
De inventeringar som ligger till grund för miljöövervakningen i havet görs ofta med dykare eller med fjärrstyrda undervattensfarkoster som styrs från båtar. I framtiden kommer övervakningsarbetet till stor del automatiseras, tror Matthias Obst.
– Man kan tänka sig undervattensdrönare som patrullerar över bottnarna och filmar och analyserar bilderna på plats. De kan även programmeras för att meddela om de upptäcker något avvikande eller udda. Inom tio år kommer det att vara tekniskt möjligt.
Öppnar upp för storskalig miljöövervakning
SUBSIM bygger på att man utvecklar maskininlärningsmodeller som man testar och tränar att känna igen marina arter, men även icke-biologiska strukturer som till exempel bohålor för havskräftor eller trålspår på havsbottnen. Användaren laddar upp sina bilder eller filmer på en server, och om "rätt" algoritmer redan tränats upp kan bildmaterialet analyseras direkt. Om inte, inleds processen med att lära och träna modellen att känna igen det man vill undersöka. Matthias Obst menar att det finns en stor potential för att kunna övervaka hela havsområden storskaligt i framtiden, men att vi fortfarande har en bit kvar att gå.
– SUBSIM är en bra början. Nu öppnar vi upp systemet för att kunna utveckla det vidare tillsammans med intresserade användare hos myndigheter och företag. Maskinerna kan aldrig ersätta biologer och ekologer men de kan göra deras arbetet mer effektivt och öka vår förmåga att förstå förändringar i havet.
Text: Susanne Liljenström
