砺道智库 2024-06-25 09:00 北京

想象一下，一艘无人驾驶船舶航行在世界上最极端的海域之一。海冰随处可见。雾、雪或雨使能见度极低。就像船长通过眼睛看世界一样，无人驾驶船舶的导航算法通过传感器感知世界。据海事管理网6月23日报道，挪威科技大学海洋技术系的博士生纳比勒·潘奇(Nabil Panchi)开发了一种可以做到这一点的算法。潘奇说：“我们为更好地模拟海冰这一难题找到了新的解决方案。”

当前的人工智能算法在处理清晰的图像时效果很好，但是当图像因恶劣天气而变得模糊或质量下降时，它们就会遇到困难。

潘奇使用了数千张来自北极的图像来训练新算法，以便可以滤除雨、雪、雾等视觉障碍，以及许多船只配备的摄像机镜头上的水滴。

潘奇参与了Digita lSeaIce项目。该项目专注于北极海冰观测和预测模型的多尺度集成和数字化。主要目标是建立一个数字基础设施，将区域海冰预报模型和当地冰相关模型与船上和卫星上的北极海冰和环境观测相结合。

“我们的工作是通过图像了解北极环境。我们正在创建适用于所有天气条件的算法，”潘奇说道。

他的研究基于2023年夏天Kronprins Haakon研究船在北极航行时拍摄的数千张图像。

他与他的学术导师Ekaterina Kim副教授合作，最近在IEEE传感器杂志上发表了文章《用于分析天气退化光学海冰图像的深度学习策略》。

研究者介绍了两种帮助船只在北极恶劣天气下更安全航行的方法，即从图像中“去除”天气。一种方法是使用人工智能来清理图像，以便现有算法能够正常工作。一种稍微更有效的方法是开发在恶劣天气下也能正常工作的新算法。

纳比勒说：“这两种策略使我们能够了解各种天气条件下的北极。”

能够从图像中去除天气影响的算法已经投入使用很长时间，但主要应用于城市地区。它们还用于开发自动驾驶汽车以及安全和摄像头监控。

目前分析海冰的算法主要基于在良好天气条件下从船上拍摄的图像。问题是北极的图像通常不太清晰，因为雾、雨和雪是这些水域常见的天气条件。这些类型的图像对于旨在了解北极环境的现有算法来说并不是很好的素材。

算法还需要经过训练来分析船舶周围的冰类型，这样它们就可以指出哪里可以安全破冰，以及船舶应该避开哪些区域。

为了去除雾和雨滴，必须训练算法来清理受天气影响的海冰图像。“到目前为止，这一研究领域基本上被忽视了。问题是北极清晰图像的获取有限——直到现在。我们希望我们的新开放数据集有助于未来开发天气适应技术，”潘奇说。

潘奇的主管Ekaterina Kim曾在北极工作过很长时间，近年来她一直在探索如何利用人工智能解决极地地区存在的一些挑战。

挪威科技大学的两位研究人员现已将SeaIceWeather数据集在线公开。它包含数千张图像，是第一个开放获取的海冰数据集。

“这种类型的开放获取数据集非常少。制作它们需要大量的工作。我们希望它们能被尽可能多地利用，”潘奇说。

一边下着雨，另一边天气晴朗。当输入天气图像时，人工智能模型会去除雨滴，并生成更清晰的船舶周围环境图像。

每张照片都有两个版本：一个是视野清晰的“干净”版本，另一个是由于天气条件而模糊的版本。NTNU研究人员希望SeaIceWeather数据集能被更多人使用，并激励他们收集此类图像。

许多用户都是研究海冰和导航模型或动态定位的研究人员。这些系统必须在所有天气条件下工作，算法学习的图像越多，监测、冰警报和导航就会越准确——这是非常需要的。

基于人工智能的海冰分析系统可帮助船员了解船舶周围环境。潘奇表示，“我们可以利用这些信息开发先进的系统，以避免碰撞，实现更安全的航行和最佳航行路线。后者还将有助于减少排放。”

全球变暖导致海冰融化，增加了北极航运量。越来越多的航运公司选择这些现在已无冰封的新航线。2013年至2019年间，北极的船舶运输量增长了25%。

“安全穿越海冰需要丰富的经验。现在极地海域的船只数量可能比经验丰富的海冰船长数量还多。我们建立的系统可以为操纵船只的人提供更好的帮助，”潘奇说。

北极海冰变薄，更容易开裂，并可能形成巨大的冰脊或冰丘。从船桥上看，可能只能看到露出水面一米的冰，而看不到隐藏在冰下的4-5米厚的冰。出现凹痕和船体损坏的可能性很高，而且并非所有船舶都能破冰。

基于人工智能的海冰分析系统可帮助船员了解船舶周围环境。“我们可以利用这些信息开发先进的系统，以避免碰撞，实现更安全的航行和最佳航行路线。后者还将有助于减少排放，”博士候选人纳比勒·潘奇说

与此同时，自动驾驶船舶有可能彻底改变航运业——使其更加高效、更安全。据财富商业洞察平台的数据显示，全球自动驾驶船舶市场规模预计将从2024年的61.1亿美元增长到2032年的122.5亿美元。

Kim说道：“我们希望在冰层中航行的船舶能够拥有更多的自主技术，并且当前的系统需要在极端的北极环境下也能值得信赖。”

Panchi在两个图像数据集上训练了算法：一个是在KronprinsHaakon号的GoNorth航行期间收集的，另一个是从在线图像数据库获得的。

他在飞船的一侧安装了两台摄像机，其中一台摄像机位于另一台摄像机的正下方，上方的摄像机视野清晰，下方的摄像机前方安装了一块透明屏幕，并在屏幕上喷洒水，模拟镜头上的雨滴。

在九层甲板的观测室里，潘奇的电脑不断下载海冰图像，30天里，他收集了数千对图像，每对图像都是一张清晰的图像和一张被人工降雨覆盖的图像。

数据集总共包含4600多张清晰图像，其中大部分来自研究航行。他们使用算法为每张清晰图像创建了七种天气变体：小、中、大雪花、雨天、雾以及相机镜头上的真实和模拟雨滴。

基于这些变体，他们创建了两个数据集。其中一个数据集提供了图像，表明船周围有哪种冰。另一个数据集将冰分为不同的类别，例如浮冰、薄冰、冰泥、流冰等。

在数据集上训练了三种不同的图像清理算法，当研究人员将结果与清晰的图像进行比较时，他们可以轻松分辨出哪种算法对于不同类型的天气最准确。

该方法的局限性在于，所有图像都是在白天拍摄的，并且只涉及三种天气条件。潘奇指出，由于北极从9月到3月都处于黑暗之中，因此最好在冬季收集类似的图像。不过，完全可以使用增强现实(AR)并创建现有图像的人工冬季或夜间版本。

“到目前为止，主要只有研究人员才能使用我们的成果，但我们希望未来会有更多人使用它。有许多因素会影响到何时真正实现这一点；这些模型可能需要长达5年的时间才能投入商业使用。然后它们必须具有足够的质量，才能成为船舶管理的完全可靠的助手，”纳比勒说。

最大的船只要消耗大量的燃料。它们有时必须在冰层中来回航行才能突破冰层，这需要大量的能源。

“如果你充分了解船只周围的情况，你或人工智能就可以规划航线，节省时间和精力，从而减少排放。这也将使航运更加安全。越来越多的油轮运载液化天然气和其他货物穿越北极。到目前为止，还没有发生过任何漏油事件，但如果发生，后果将非常严重，”潘奇说。

监测极地水域对于气候变化也很重要。许多船只都装有摄像头和传感器来监测其航向。有很多船只拍摄了图像，但几乎没有任何图像可以在网上找到。据潘奇说，大多数图像最终都被存入了海事数据档案，除了少数保险案件外，这些图像从未被使用过。

“我们看到了从这些图像中提取有用数据的巨大机会。我们的目标之一是开发可以实时、现场改进的算法。改进我们监测北极水域的方式将造福社会。它将为制定政策以及可持续、安全地利用北极水域提供更好的基础，”潘奇说。