Spridningsfenomen och bildbehandling för undervattensakustik
- Diarienummer
- SM18-0038
- Start- och slutdatum
- 190101-221231
- Beviljat belopp
- 854 986 kr
- Förvaltande organisation
- Saab Dynamics AB
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Huvudinriktningen är att bygga upp ett ramverk med verktyg baserat på teorier baserade på spridningsfenomen och signalbehandling för undervattensakustik. Tillsammans med nya resultat baserat på Compressed Sensing, ska parametrar såsom spatial upplösning, robusthet och bildgenerering undersökas. Dessa resultat ska sedan användas för att bygga upp träningsset, och utvärdera deras användbarhet för Deep Learning (artificiell intelligens).
Populärvetenskaplig beskrivning
Eftersom ljus både sprids kraftigt men även absorberas i vatten, begränsas sikten kraftigt. Det enda sättet idag för att kunna upptäcka världen under vatten är med hjälp av ljud. Läran om detta kallas undervattensakustik. Det finns idag ett flertal olika sätt som man med hjälp av undervattensakustik och signalbehandling kan upptäcka och avbilda havsbotten och andra objekt som rör sig i vattnet (till exempel fiskstim och ubåtar). Det finns ett stort intresse för dessa tekniker från både försvar och säkerhet men även för att i framtiden kunna uppfylla den stora potentialen för odling och gruvdrift i haven. Idag betraktas en bildupplösning från ett undervattensakustiskt system som hög om man kan urskilja detaljer av en storlek kring 5 cm. Det föreslagna projektet ska undersöka möjligheterna, att med samma sensorer som tidigare men med nyutveckling inom signalbehandling, kunna urskilja detaljer av en storlek på mindre än 1 cm. Detta skulle ta så kallade undervattensbilder till en ny nivå; och göra det möjligt att hitta och känna igen föremål också i en mycket mer krävande miljö. En annan användning för resultat från det föreslagna projektet är att kunna bygga realistiska datormodeller som sedan kan blandas med andra mätningar på ett trovärdigt sätt. Dessa blandade bilder kan man då använda för träna upp matematiska modeller för artificiell intelligens. Då finns möjligheten att på ett mycket effektivt sätt automatisera identifiering och igenkänning av olika objekt som rör sig i vattnet, på liknande sätt som självkörande bilar behöver både automatisk identifiering och igenkänning.