1、技術方向
我司本次參賽團隊由多名跨學科碩博成員組成，涵蓋水聲工程，人工智能，聲學信號處理等領域。
聚焦智能感知技術研發，主攻三大技術方向：
01. 低信噪比海洋環境下的目標聲音信號探測與識別；
02. 基于深度學習的復雜場景目標檢測與識別；
03. 多波束聲吶目標檢測與定位。
團隊根據海洋聲音監測與感知需求，分布式光纖傳感與AI分析的創新融合，輸出系統模型定位：基于分布式光纖傳感與AI分析的通用綜合性海洋聲學監測感知模型平臺。核心技術突破為融合光纖傳感網絡與深度學習算法的創新解決方案。
該模型的核心功能可實現海洋生物、海洋地質活動及艦船目標的聲學信號采集、處理、高精度AI感知識別。
- 分布式光纖傳感信號聲音數據采集
- 專業聲學信號處理
- 多目標實時AI模型感知識別
- 特定場景AI模型一鍵式訓練
2、產品優勢
分布式光纖聲學傳感技術：采用高靈敏度光纖傳感器陣列，實現海底至海面全水層連續聲學信號采集，突破傳統點式傳感器覆蓋局限，支持50公里級海域實時監測；
多模態信號融合處理：集成生物聲音、地質波動、船只噪聲等多源數據，通過自適應降噪算法與AI特征提取與智能感知識別技術，有效高精度區分生物、船只、地質與環境噪聲；
優化集成AI分類架構模型：創新性融合CNN與Transformer模型，針對鯨類低頻聲吶、地質聲波、艦船螺旋槳噪聲等不同頻段信號優化，分類準確率達92%以上；
全流程自動化感知分析：從數據采集、標注到模型訓練、感知分析等提供一站式工具鏈，人力成本降低70%，大大提升了智能感知分析效率。
3、應用場景及價值
該系統可實現對海洋環境的實時、全面監測。通過分析海洋聲音，能及時掌握海洋環境的變化情況，如海洋生物分布、海洋災害等。AI聲音分類訓練識別模型可對環境聲音進行快速識別和分析，為海洋環境評估和預警提供科學依據。例如，當監測到海洋聲音中出現異常時，可及時判斷是否發生了海洋異常事件，并采取相應的治理措施，保護海洋生態環境，提升海洋環境監測的能力和水平。
研究通用海洋聲音信號監測系統與AI聲音分類訓練識別模型，能為海洋科學研究提供更全面、準確的數據支持。通過對海洋聲音的長期監測和精確分類，可深入了解海洋生物的行為習性、生態系統的運行機制等，為海洋生物學、海洋生態學等學科的發展提供新的研究方法和思路。同時，該系統的研究有助于發現海洋中的新現象和新規律，推動海洋科學理論的創新和發展，提升我國在海洋科學領域的國際地位。
海洋聲音監測系統和AI識別模型的應用，能為海洋產業帶來新的發展機遇。在海洋資源開發方面，可提高資源勘探的效率和準確性，降低開發成本。在漁業領域，能幫助漁民更精準地找到魚群，提高捕撈產量和質量。同時，該系統還可用于海洋旅游、海洋運輸等產業，提升產業的服務質量和安全性。通過推動海洋產業的智能化升級，促進海洋經濟的可持續發展。
在海洋安全方面，該系統可提高對海洋目標的監測和識別能力。通過實時監測海洋聲音，能及時發現水下目標的動向，為海洋安防提供準確的信息。同時，AI聲音分類訓練識別模型可對不同類型的聲音進行快速分類和識別，提高決策的效率和準確性。