依靠边缘AI Saildrone无人航行器引领全自动海洋监测

Saildrone成立于2012年，致力于让海洋情报采集变得经济高效，为科学、渔业、天气预报、海洋测绘和海事安全行业提供数据采集系统，目前已获得1.9亿美元的融资，并且是NVIDIA初创加速计划的成员。

Saildrone拥有三种不同的自动无人驾驶水面航行器（USV），并通过其Mission Portal控制中心服务监测自定义任务和近乎实时地将数据可视化。Saildrone还免费向公众开放部分历史数据。

Saildrone所开发的USV搭载了多种传感器，所采集的数据在边缘的NVIDIA Jetson模块进行AI处理后，使用NVIDIA DeepStream软件开发套件对原型进行智能视频优化。

通过使用NVIDIA JetPack SDK，Saildrone在Jetson平台上获得了完整的硬件加速边缘AI开发环境。公司通过在该模块上进行机器学习实现了基于图像的航行器探测，以此辅助导航。

Saildrone领航员利用从航行器传回的海洋气象数据设定航点并优化航线。所有USV均被全天候监测，操作员可根据需要通过云端远程更改航线。

由于从生成高分辨率图像的高性能传感器套件进行传输的带宽有限且成本高昂，机器学习主要在本地的Jetson模块上运行，但也可以通过卫星连接到云端运行。

这些USV携带用于测量风力、温度、盐度和溶解碳的海洋学传感器。Saildrone还能利用测深传感器研究海底和湖底，包括使用单波束或多波束深层声纳测绘加深或扩大勘测范围等。该公司的感知传感器套件包含了雷达和可视化水下声学传感器。

Saildrone充分利用NVIDIA DeepStream SDK开发其视觉AI智能应用和服务。开发者可以使用该套件为AI视频、音频和图像分析构建通畅的传输通道。

DeepStream的吞吐量提升了10倍，应用范围也从边缘扩展到云端的各个领域，可用于开发能够处理多个视频、图像和音频流的最佳智能视频应用。

依靠DeepStream的图像预处理和模型推理能力，Saildrone甚至可以在海上利用太阳能和风能实现边缘机器学习。

与传统的船只和船员相比，Saildrone USV能让研究人员利用更少的资源采集更多的数据，不但能够节约能源，还能使船员远离危险。

这些USV专为恶劣天气和长时间任务而打造。近期，该公司的一艘USV完成了为期370天的二氧化碳监测航行。这艘USV从罗德岛出发，横跨北大西洋到达佛得角，再沿赤道到达非洲西海岸，最后返回佛罗里达。

若想主要依靠太阳能和风能运行，就需要使用节能的计算来处理海量数据。通过使用NVIDIA Jetson，Saildrone的计算负载功耗比运行GPU的常规计算平台更低，这对于执行此类任务至关重要。

全球科学界正在将NVIDIA AI应用于气候研究，比如构建超本地气候模型、使用AI改善碳封存、研究可再生能源等等。为了预测气候变化，NVIDIA正在开发世界上最强大的AI超级计算机Earth-2，它将被用于在Omniverse中创建地球的数字孪生。