Automatisk databehandling og rapportering av havbunnskartlegging

Offentlig prosjektsammendrag

Norge skal satse på den blå økonomien i fremtiden for å øke verdiskapingen i landet. Dette inkluderer å bygge ut nye olje- og gassinstallasjoner, offshore-havbruk, og offshore vindturbiner. For at vi skal kunne utnytte potensialet for verdiskaping i havet så er det nødvendig å kartlegge havet og havbunnen før ny infrastruktur installeres, men det er like viktig å inspisere den installerte infrastrukturen slik at avbrudd i produksjon eller utslipp til miljøet begrenses. Denne typen kartlegging og inspeksjon skjer i dag ved hjelp av store skip som gjerne er rundt 100 meter lange med omkring 60 mennesker ombord for å utføre jobben. Slike kartlegginger og inspeksjoner utføres gjerne av fjernstyrte undervannsfarkoster (ROV), og de vil typisk være utstyrt med en hel rekke forskjellige sensorer. Eksempler på typiske sensorer er sonar, grunnseismikk, og kameraer. Slik disse operasjonene utføres i dag så er menneskene ombord på skipet ansvarlige for å kvalitetsikre dataene som hentes inn av ROVen under inspeksjonen. Denne kvalitetskontrollen er en delvis subjektiv prosess som er avhengig av at operatøren har tilstrekkelig erfaring. Etter at dataene er hentet inn, så fortsetter prosesseringen av dataene for at de skal kunne tilslutt analyseres slik at en rapport kan skrives om det kartlagte område. Både databehanding etter innhenting, og analyse er idag svært manuelle prosesser som utføres ombord på skipet for at kunden skal kunne få levert rapporten innen rimlig tid. Denne arbeidsmetodikken er ikke kompatibel med fremtiden ettersom ubemannende båter vil om kun få år brukes for å gjøre denne typen arbeid. For at dette skal være mulig så skal DeepOcean utvikle robuste kvalitetskontroll systemer for alle data som hentes inn. Selskapet skal også utvikle teknikker og metoder for å automatisk prosessere og analysere dataene slik at de kan rapporteres til kunde via moderne infrastruktur. Dette skal oppnås ved hjelp av kunstig intelligens, maskinlæring og sensor fusjon.