L’intelligence artificielle peut être très bénéfique sous l’eau et SINTEF, en collaboration avec le centre de recherche SFI Exposed, développe des systèmes qui contribueront à renforcer la sûreté et la sécurité des piscicultures dans des conditions de mer difficiles.
Vous avez peut-être déjà entendu parler du deep learning. Il s’agit d’un processus clé dans le domaine de l’apprentissage automatique, permettant aux ordinateurs d’étendre leurs capacités en réponse aux informations qui leur sont fournies. En exposant un cerveau informatique à des concepts qu’il doit comprendre, on peut lui apprendre à reconnaître des informations contextuelles. Dans une structure de données calquée sur le cerveau humain, les appareils sont liés pour former ce que nous appelons un réseau de neurones. Ces réseaux sont constitués de nombreuses couches qui interagissent pour permettre ce que nous appelons l’apprentissage en profondeur.
Nous avons utilisé ce concept pour développer et améliorer des systèmes qui peuvent identifier les irrégularités dans les filets des cages à saumon dans les fermes piscicoles. Pour ce faire, nous alimentons un réseau neuronal numérique avec des images montrant les éléments constitutifs d’un réseau intact. Ces images permettent ensuite au programme de réagir lorsqu’il observe quelque chose d’inhabituel, comme un trou.
Les poissons échappés sont un problème majeur
Des inspections fréquentes des filets des cages marines, suspendues sous l’eau, visent à empêcher les poissons de s’échapper. Les saumons d’élevage échappés peuvent être porteurs de maladies et peuvent également migrer en amont le long des rivières avec des poissons sauvages, perturbant et participant au processus de frai. Ces facteurs ne servent qu’à affaiblir les populations de saumons sauvages, il est donc dans l’intérêt de tous d’empêcher les évasions des cages marines.
Le gouvernement norvégien a récemment annoncé son intention d’introduire des exigences techniques plus strictes pour la conception et l’exploitation à l’épreuve des évasions des fermes piscicoles. Ces nouvelles réglementations ne laissent aucun doute sur le fait que nous devons penser de manière innovante et peuvent nous offrir des opportunités d’appliquer ou de développer davantage certains des concepts sur lesquels nous travaillons actuellement au centre de recherche SFI Exposed.
Les opérations standard actuelles impliquent l’utilisation d’un véhicule télécommandé (ROV) monté sur caméra qui est lancé dans une cage et manipulé par un opérateur qui inspecte ensuite les images retransmises. Il est difficile pour un opérateur de se concentrer pendant des heures sur un ensemble monotone d’images vidéo de filets sous-marins. Un cerveau informatique, en revanche, ne se fatigue ni ne s’ennuie, de telles opérations sont donc idéales pour l’application de véhicules autonomes utilisant la reconnaissance d’image.
Quand un cerveau d’ordinateur est meilleur qu’un cerveau humain
Que les images soient évaluées par des humains ou des machines, nous devons toujours prendre des films vidéo du filet de la cage marine. La navigation d’un ROV le long d’un filet de cage en mer est une tâche techniquement exigeante. La caméra du véhicule doit s’approcher suffisamment pour obtenir des images claires sans entrer en collision avec le mur du filet.
Nos collègues chercheurs qui travaillent avec des systèmes autonomes et des technologies à utiliser dans des régions éloignées se sont penchés sur les types de technologies de capteurs qui peuvent permettre à un ROV de déterminer sa position spatiale dans une cage marine. Ces informations sont essentielles pour identifier quelle partie du filet est inspectée à un moment donné.
Il est essentiel qu’un ROV sache exactement où il se trouve pour tous les types d’opérations autonomes. Il peut avoir à maintenir une position stable face aux courants forts et à la haute mer, ou à traverser le mur du filet à une distance fixe prédéterminée.
Le résultat de toutes ces recherches est un système de caméra laser pour la navigation dite relative au réseau. Les informations sur la distance et l’orientation angulaire du ROV par rapport au filet sont obtenues à l’aide de deux faisceaux laser parallèles qui éclairent la paroi du filet. De telles mesures sont essentielles si le ROV doit garder une distance appropriée du mur du filet sans qu’un opérateur ait à faire des ajustements de direction chaque fois que le filet se déplace en raison des courants ou du mouvement des vagues. De nombreuses recherches et développements passionnants sont menés sur des opérations robotiques autonomes, à la fois dans des centres de recherche et dans des environnements industriels. Chez SINTEF, nous voyons cela comme le début d’un voyage de développement de système qui améliorera les opérations dans le secteur de l’aquaculture.
Contact étroit dangereux
SFI Exposed est un centre d’innovation basée sur la recherche qui travaille dans de nombreux domaines avec une variété de perspectives sur les défis auxquels sont confrontées les opérations d’aquaculture offshore dans des environnements exposés. Nos collègues qui étudient les aspects de sécurité ont révélé qu’il peut y avoir un certain chevauchement entre les incidents qui augmentent le risque d’évasion de poissons et ceux qui menacent la sécurité des employés de l’installation.
Nous croyons qu’en matière de sécurité, il est important d’avoir une vue d’ensemble et que l’approche la plus efficace est de prendre en compte tous les aspects dès la phase de développement du produit. Si la sécurité des employés est intégrée à la technologie de sorte qu’il devient impossible de provoquer un danger par une utilisation incorrecte, nous aurons effectivement réduit le risque d’incidents entraînant à la fois des évasions de poissons et des blessures aux employés.
Mais puisque nous parlons de risque. De toute évidence, un ROV ne fixe aucune exigence HSE. Cependant, les considérations HSE sont essentielles pour le personnel dont le travail consiste à libérer les ROV dans les cages à poissons et à les récupérer à nouveau. Cette tâche semble assez simple, mais elle nécessite qu’un navire monté sur grue soit amené à quai et amarré contre la cage. Dans de nombreuses situations, du personnel doit être déployé le long de l’anneau du flotteur afin de libérer le ROV, un travail qui implique beaucoup de levage difficile.
Le déplacement entre le navire et la cage est une entreprise risquée dans le meilleur des cas, et c’est précisément dans de telles situations que de nombreux accidents liés au secteur se produisent. Dans les endroits soumis à de grands mouvements et accélérations dus aux courants forts, à la haute mer et aux vents, et où les navires et l’infrastructure des installations sont plus grands que dans les sites abrités, il est essentiel d’avoir des systèmes en place qui permettent de se déplacer en toute sécurité entre une cage et un navire amarré.
Un bras de robot peut faire le travail
Nous avons d’abord étudié les modalités d’exécution des opérations de grues actuelles afin d’évaluer les risques et les défis associés. Nous avons ensuite vu comment les nouvelles technologies pourraient améliorer la situation. Un exemple concerne nos études de concept pour la cage marine ROV « Lancement et récupération ». Un autre est un concept qui implique l’utilisation d’un bras robotique avancé qui permet d’effectuer des opérations sans aucune forme de contact entre le navire et la cage.
Imaginez que le navire sur lequel le bras du robot est monté se déplace de haut en bas sur les vagues, et que la cage marine fasse de même, décalée et à une certaine distance. Un bras de robot qui peut s’étendre du vaisseau à la cage afin d’effectuer un travail de précision doit simplement être un kit high-tech impressionnant. Mais c’est en fait tout à fait possible.
Nous avons utilisé des expériences modèles pour démontrer comment un bras de robot peut compenser les mouvements relatifs d’un navire et d’une cage marine. Nous avons également évalué les opérations réalisables et les modifications à apporter aux installations existantes pour permettre la mise en service de cette technologie.
Une meilleure aide à la décision
Le risque d’accidents et d’évasions de poissons peut augmenter lorsque les conditions de la mer sont plus mauvaises que prévu, comme en cas de courants forts inattendus ou de mer agitée avec des vagues puissantes. Actuellement, nos décisions quant à la poursuite ou non des opérations dans de telles conditions sont souvent prises sur la base de notre discrétion et de notre expérience. Des limites opérationnelles mieux définies sous la forme de lignes directrices indiquant quand les opérations peuvent être effectuées ou non peuvent apporter une contribution précieuse à l’amélioration de la sécurité.
Chez SINTEF Ocean, nous avons construit une infrastructure pour la capture de données à partir de bouées, de navires et d’installations offshore, et avons collecté des données météorologiques, ainsi que des mesures du mouvement et de la qualité de l’eau, afin de construire une base de données statistique robuste. Plus nous aurons d’informations précises sur les vagues, les courants et les conditions météorologiques, plus il sera facile de décider si une opération peut être effectuée ou non. Lorsque nous relions ces statistiques à des mesures physiques et à des jumeaux numériques, nous obtenons une excellente base pour la planification opérationnelle.