FMV – Sonar Image Recognition System

​I detta projekt fokuserade vi på att utveckla en ny matematisk metod för att bestämma bottentopografier. Detta är ett typiskt exempel på hur matematik kan kombineras med artificiell intelligens för att skapa innovativa lösningar. Genom att integrera avancerade algoritmer med maskininlärningstekniker skapar vi en ny metod och möjliggör vi en mer exakt och effektiv analys av sonarbilder.

Via ett tidigare samarbete med Försvarets Materielverk, FMV, utvecklades ett sonarbildigenkänningssystem för att röja minor då det finns ett intresse för att skapa säkra farvägar för militär och civil båttrafik. Men för att röja en mina på ett säkert sätt är det en fördel att veta mer om bottentopografin runt omkring. Detta görs genom att samla in sonarbilder via autonoma undervattensfarkoster, AUV:er.

I vårt samarbete utvecklades en matematisk metod för att analysera en bit i taget av sonarbilderna med hjälp av kvadratiska filterstorlekar som roteras. Den bildbit som filtret täcker analyseras med en Gaussian-funktion. Gaussian-funktionen tillsammans med en Fourier Transform tar fram fyra olika varianser. Dessa varianser beskriver sedan hur bildbiten varierar i en punkt, en linje, i radie samt i vinkel.

Genom att kombinera dessa varianser kan olika inneboende dimensioner i bildbitens mittersta pixel beräknas. De inneboende dimensionerna beskriver sedan bottentopografierna på olika sätt.

Med deep learning kan de matematiska metoderna appliceras på ett träningsset som består av ett antal sonarbilder som plockats ut för vardera dimension. På så sätt kunde gränsvärden bestämmas tillsammans med Fourier-metoden. Gränsvärdena applicerades i algoritmen som resulterade i numeriska värden för de inneboende dimensionerna.

Med dessa resultat kunde bottentopografin klassificeras och presenteras.