Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Dalhousie University
$105,681.00
Deep Learning Models and Best Practices for Measuring the Effects of Seismic Oil and Gas Exploration on Commercial Fish
FY 2021-22 · 2022-01-01
Summary
The project aims to develop new machine learning models, analysis software, and best practices to detect and classify fish by species using combined video and acoustic data from hundreds of underwater cameras. The data is being collected to measure effects of seismic exploration on commercial fishing. This research will support a new research initiative between the National Research Council (NRC) and the Department of Fisheries and Oceans (DFO). DFO will provide data and domain expertise NRC will process video data and develop the necessary tools required to process these large and novel datasets. Dr. Whidden (MUN) and the PhD student (MUN) will provide expertise on machine learning applications to improve video and acoustic data analysis methods specifically tailored and optimized for the field campaign data collected by DFO.
Department
Program
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Recipient
Location
Halifax|Halifax, Nova Scotia, Canada
Recipient Type
Academia
Business Number
886806561
Type
Grant
Source
Proactive Disclosure - Grants and Contributions
As published
Agreement End Date
2026-03-31
Agreement Number
983180
Agreement Start Date
2022-01-01
Agreement Title
Deep Learning Models and Best Practices for Measuring the Effects of Seismic Oil and Gas Exploration on Commercial Fish
Agreement Title (French)
Modèles d’apprentissage profond et meilleures pratiques pour mesurer les effets de l’exploration pétrolière et gazière sismique sur les poissons commerciaux
Agreement Type
Grant
Agreement Value
$105,681.00
Amendment Number
0
Description
The project aims to develop new machine learning models, analysis software, and best practices to detect and classify fish by species using combined video and acoustic data from hundreds of underwater cameras. The data is being collected to measure effects of seismic exploration on commercial fishing. This research will support a new research initiative between the National Research Council (NRC) and the Department of Fisheries and Oceans (DFO). DFO will provide data and domain expertise NRC will process video data and develop the necessary tools required to process these large and novel datasets. Dr. Whidden (MUN) and the PhD student (MUN) will provide expertise on machine learning applications to improve video and acoustic data analysis methods specifically tailored and optimized for the field campaign data collected by DFO.
Description (French)
Le projet vise à concevoir des modèles d’apprentissage automatique, des logiciels d’analyse et des pratiques exemplaires pour détecter et classer les poissons par espèce à l’aide de données vidéo et acoustiques combinées qui proviennent de centaines de caméras sous-marines. Les données sont recueillies pour mesurer les effets de l’exploration sismique sur la pêche commerciale. Ces travaux appuieront une nouvelle initiative de recherche entre le Conseil national de recherches du Canada (CNRC) et le ministère des Pêches et des Océans (MPO). Le MPO fournira les données et l’expertise du domaine; le CNRC traitera les données vidéo et créera les outils nécessaires au traitement de ces grands et nouveaux ensembles de données. M. Whidden, Ph. D. (MUN), et l’étudiant au doctorat (MUN) fourniront leur expertise sur les applications d’apprentissage automatique afin d’améliorer les méthodes d’analyse des données vidéo et acoustiques spécifiquement adaptées et optimisées pour les données des campagnes sur le terrain recueillies par le MPO.
Expected Results
In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.
Expected Results (French)
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Federal Riding
Halifax
Federal Riding (French)
Halifax
Federal Riding Number
12005
NAICS Code
541710
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
886806561
Recipient City
Halifax|Halifax
Recipient Country
CA
Recipient Legal Name
Dalhousie University
Recipient Postal Code
B3H 4R2
Recipient Province or Territory
NS
Recipient Type
S
Reference Number
172-2021-2022-Q3-983180