深入分析1,044次海洋动物观察，揭示潮汐涡轮碰撞风险
html
海鸟与旋转涡轮没有发生碰撞
这项研究分析了109天的光学影像，共进行了1,044次对鱼类、海鸟和海豹的观察。在研究期间没有记录到海鸟或海豹的碰撞。海鸟只在白天和涡轮静止时出现，而海豹则在白天和夜间都有观察，包括涡轮旋转时。
观察记录显示，有四条鱼与涡轮叶片发生了碰撞。
该涡轮在流速峰值为2.5米/秒的地点进行部署。在观察期间，观察到四条鱼与移动的涡轮叶片发生碰撞。在这四个案例里，三条鱼在接触后游走了。研究人员指出，因为在水中很难把小鱼和有机物区分开，因此鱼类遭遇的数量可能被低估。
大多数鱼成功避开了移动的涡轮
数据显示，有224条个体鱼类和五个鱼群成功通过了移动的涡轮机，没有发生碰撞事件。这意味着有超过50条鱼成功绕过了移动的刀片。这些躲避行为发生在水流速度超过2米每秒的情况下，这表明许多鱼能够在运行的设备周围灵活游动。
光学摄像头捕捉到北美涡轮机附近的海洋生物
本研究首次使用光学相机影像记录北美潮汐涡轮机周围鱼、鸟和海洋哺乳动物的互动。这些影像记录了不同物种在活跃涡轮机附近的行为，超越了理论模型，直接观察自然环境中的行为。
传感器采用两种方法来捕捉动物影像
采用了两种策略来收集相机数据：定时拍摄和实时检测。当传感器（光学传感器或声学传感器）检测到动物的存在时，实时模型会启动数据采集。在研究过程中，研究人员回顾录像，寻找更有效的捕捉动物运动的方法，并对这些方法进行了调整。
机器学习模型可以帮助检测水中的动物
研究团队利用此次部署评估机器学习在水下环境中检测动物的效果。研究讨论了这些模型的表现，并指出了数据收集中的挑战，例如区分野生动物和植物。这些发现旨在为未来潮汐能源项目的监测策略设计提供参考。
行为数据为未来的海洋能源基础设施项目提供参考
我们发现，这些观察提供了关于特定物种的行为信息，例如海豹的游泳能力，以及海鸟只在静止时出现。虽然这些结果仅适用于这个小规模的涡轮机和特定地点，但它们为关于海洋生物如何与潮汐能源基础设施互动的可用数据提供了支持。
