Vissoorten onderscheiden met sonar

Het systeem is gebaseerd op technologie die ontwikkeld is na tientallen jaren van onderzoek naar akoestiek en sonar binnen TNO. We hebben de technologie nu met succes toegepast in de visserij voor een duurzaam beheer van de visstand en dragen zo bij aan gezonde ecosystemen.

Ongewenste bijvangst

Jaczon, dochter van familiebedrijf Cornelis Vrolijk, heeft duurzaam vissen hoog in het vaandel staan. Het bedrijf is vooral actief in de pelagische visserij, vissoorten die in de diepe zee voorkomen, en doet er alles aan op een verantwoorde manier te werken volgens internationale regels. Zo neemt Jaczon maatregelen om onbedoelde bijvangst te voorkomen.

De sonar van TNO is de nieuwste stap daarin om precies de gewenste vissoorten en maten te herkennen en zo bijvangst te voorkomen. Bijvangst werd vroeger vaak overboord gezet, wat volgens Europese regelgeving tegenwoordig niet meer is toegestaan. Oplossingen als slimme visnetten die sommige vissoorten doorlaten en andere juist vangen kunnen in combinatie met sonar de bijvangst minimaliseren.

Akoestische eigenschappen

In opdracht van het Jaczon heeft TNO zich de afgelopen jaren in de problematiek vastgebeten. Sonar zendt korte geluidspulsen uit en luistert naar de signalen die terugkomen. Hoewel de verschillen soms klein zijn, heeft iedere vissoort zijn eigen akoestische eigenschappen, wat blijkt uit de amplitude en de structuur van de weerkaatste energie.

Het is dan ook aantrekkelijk om die gegevens direct te gebruiken om de opgespoorde vis te classificeren, dat wil zeggen: te bepalen om wat voor soort vis het gaat. Mede aan de hand van dat beeld kan een visser besluiten om al dan niet zijn netten uit te werpen.

Database

Het nieuwe systeem is in staat verschillende soorten vis zoals haring, makreel, horsmakreel en sprot te onderscheiden. TNO heeft een prototype ontwikkeld en met succes in de praktijk getest. Door het gebruik van een breedband forward looking sonar en door TNO ontwikkelde algoritmen is vis real-time te herkennen en te classificeren.

Het gaat om een lerend systeem waarbinnen het classificatie algoritme zichzelf door middel van nieuwe sonardata verder verbetert. De onderliggende database met akoestische gegevens wordt aangevuld door data die de schepen van Cornelis Vrolijk het jaar door aanleveren. Dat levert een belangrijke bijdrage aan het verdere onderzoek naar de populatie van vissen en de verbetering van het algoritme.