ความต้องการอุปกรณ์ตรวจจับใต้น้ำแบบพกพาที่เพิ่มสูงขึ้น

ความต้องการโซลูชันน้ำหนักเบาที่เพิ่มขึ้นในกลุ่มชาวประมงรายย่อยและชาวประมงชายฝั่ง

ชาวประมงพื้นบ้านและชาวประมงรายย่อยเริ่มหันไปใช้อุปกรณ์ตรวจจับใต้น้ำที่เบากว่าเดิม เนื่องจากระบบแบบดั้งเดิมไม่สามารถทำงานได้ดีในน้ำตื้น ซึ่งสภาพแวดล้อมเปลี่ยนแปลงอยู่ตลอดเวลา การศึกษาที่ตีพิมพ์เมื่อปีที่แล้วในวารสาร Frontiers in Marine Science แสดงให้เห็นว่าประมาณสองในสามของชาวประมงพื้นบ้านประสบปัญหากับอุปกรณ์รุ่นเก่าของพวกเขา จนทำให้พวกเขามองหาอุปกรณ์ที่มีน้ำหนักต่ำกว่า 3 กิโลกรัม แต่ยังสามารถตรวจจับได้ลึกเกิน 200 เมตร อุปกรณ์ขนาดเล็กเหล่านี้ช่วยให้เคลื่อนย้ายได้ง่ายขึ้น ลดอาการปวดหลังหลังจากใช้งานเป็นเวลานานในทะเล และช่วยสร้างแผนที่ตำแหน่งที่ปลาอาศัยอยู่ได้อย่างแม่นยำมากกว่าการคาดเดาจากวิธีการเดิมที่ล้าสมัย

แนวโน้มสำคัญของตลาด: การเปลี่ยนผ่านสู่ระบบขนาดกะทัดรัด ใช้พลังงานต่ำ และสามารถติดตั้งที่ปลายทางได้

บริษัทเทคโนโลยีทางทะเลกำลังก้าวไปข้างหน้าอย่างรวดเร็วสู่ระบบขนาดเล็กลงและมีประสิทธิภาพมากขึ้น ซึ่งใช้พื้นที่ประมาณครึ่งหนึ่งของรุ่นเก่า อุปกรณ์ใหม่เหล่านี้สามารถทำงานต่อเนื่องได้นานประมาณ 20 ชั่วโมงต่อการชาร์จแบตเตอรี่หนึ่งครั้ง ซึ่งเป็นข้อได้เปรียบที่สำคัญสำหรับหมู่บ้านประมงที่ตั้งอยู่ห่างจากชายฝั่งและมีไฟฟ้าจำกัด อีกหนึ่งข้อดีที่สำคัญคือการผสานรวมปัญญาประดิษฐ์ (AI) เข้าไปในอุปกรณ์โดยตรง ซึ่งหมายความว่าเรือไม่จำเป็นต้องเชื่อมต่ออินเทอร์เน็ตตลอดเวลาอีกต่อไป ชาวประมงสามารถติดตามปริมาณการจับปลาแบบเรียลไทม์ได้แม้ขณะแล่นเรือออกห่างจากเขตสัญญาณเครือข่ายโทรศัพท์มือถือ ซึ่งเป็นสถานการณ์ที่เกิดขึ้นบ่อยครั้งในบางพื้นที่ของมหาสมุทร

กรณีศึกษา: การนำอุปกรณ์ตรวจจับน้ำหนักเบาไปใช้ในชุมชนประมงของเอเชียตะวันออกเฉียงใต้

ชาวประมงทั่วหมู่เกาะต่างๆ ในประเทศฟิลิปปินส์เห็นอัตราการจับปลาเพิ่มขึ้นประมาณ 40% หลังจากเริ่มใช้อุปกรณ์โซนาร์ปัญญาประดิษฐ์น้ำหนักเบาซึ่งมีน้ำหนักไม่ถึง 2.5 กิโลกรัม ผู้ใช้ส่วนใหญ่สามารถเรียนรู้การใช้งานระบบได้ภายในเวลาเพียงกว่าหนึ่งชั่วโมง เนื่องจากระบบมีการติดตั้งที่ใช้งานง่ายและโครงสร้างที่ทนทานต่อสภาพแวดล้อมน้ำเค็ม มีชุมชนชายฝั่งมากกว่า 120 แห่งที่ใช้เทคโนโลยีนี้อย่างสม่ำเสมอ ซึ่งก็เข้าใจได้เมื่อพิจารณาถึงเวลาที่พวกเขาเคยเสียไปกับการค้นหาปลา อีกทั้งยังมีประโยชน์เพิ่มเติมคือ ชาวประมงจับสิ่งมีชีวิตในทะเลที่ไม่ต้องการได้น้อยลงด้วย รายงานระบุว่าระดับการจับสัตว์ผิดประเภทลดลงประมาณ 22% นับตั้งแต่มีการใช้อุปกรณ์ใหม่นี้ หมายความว่าครัวเรือนมีรายได้เพิ่มขึ้นในขณะเดียวกันก็ช่วยอนุรักษ์ระบบนิเวศทางทะเลไปด้วย

การสร้างสมดุลระหว่างประสิทธิภาพและการพกพาในเทคโนโลยีทางทะเลสมัยใหม่

ผู้ผลิตกำลังค้นหาวิธีการที่จะสร้างสมดุลระหว่างประสิทธิภาพกับความสะดวกในการพกพา โดยการรวมเทคโนโลยีต่างๆ เข้าด้วยกัน บางบริษัทใช้การผสมผสานคลื่นโซนาร์ที่ได้รับการปรับแต่งเข้ากับเครือข่ายประสาทเทียมแบบเบาบาง (CNNs) เพื่อระบุชนิดของปลา นวัตกรรมล่าสุดมาจากตัวเปลี่ยนสัญญาณที่ใช้วัสดุกราฟีน ซึ่งช่วยลดน้ำหนักของเซ็นเซอร์ลงได้ประมาณสองในสาม แต่ยังคงรักษาระดับการตรวจจับที่เกือบสมบูรณ์แบบ แม้ในสภาพน้ำที่มองเห็นได้ยาก การทดสอบที่เพิ่งดำเนินการในบริเวณทะเลชวาแสดงให้เห็นว่า ระบบใหม่เหล่านี้สามารถค้นพบฝูงปลาได้ลึกถึงประมาณ 150 เมตร โดยมีความแม่นยำในการระบุตำแหน่งภายในขอบเขตบวกหรือลบสามเมตร สิ่งนี้ถือเป็นความก้าวหน้าอย่างมากเมื่อเทียบกับรุ่นพกพาในอดีต ทำให้กระบวนการตรวจจับทั้งหมดมีความน่าเชื่อถือเพิ่มขึ้นประมาณ 35 เปอร์เซ็นต์ในสภาพการประมงจริง

นวัตกรรมทางเทคโนโลยีหลักสำหรับการตรวจจับใต้น้ำแบบเบาและพกพา

โมเดลการเรียนรู้เชิงลึกที่มีประสิทธิภาพ (ปรับแต่ง FPS, FLOPs, พารามิเตอร์) สำหรับการใช้งานทางทะเล

ปัญญาประดิษฐ์สำหรับงานทางทะเลรุ่นล่าสุดใช้โมเดลการเรียนลึกขนาดเล็ก เช่น YOLOv11n ซึ่งทำงานได้ดีเป็นพิเศษในการตรวจจับวัตถุใต้น้ำ ระบบใหม่เหล่านี้สามารถลดปริมาณพลังการประมวลผลที่ต้องใช้ลงได้ประมาณสองในสามเมื่อเทียบกับรุ่นก่อนหน้า แต่ยังคงรักษาระดับความแม่นยำไว้ได้ประมาณ 89% แม้ในสภาพน้ำขุ่นที่ทัศนวิสัยต่ำ วิศวกรสามารถบรรลุผลลัพธ์อันน่าประทับใจนี้ได้โดยใช้เทคนิคต่างๆ เช่น การตัดส่วนที่ไม่จำเป็นของเครือข่ายออก และการแปลงพารามิเตอร์ให้เป็นค่า 8 บิต ผลลัพธ์คือ ระบบเหล่านี้สามารถทำงานได้ประมาณ 32 เฟรมต่อวินาทีบนโปรเซสเซอร์ขนาดเล็กที่ใช้พลังงานต่ำ ซึ่งหมายความว่าเรือและยานใต้น้ำสามารถวิเคราะห์สิ่งที่เกิดขึ้นด้านล่างได้ทันที โดยไม่จำเป็นต้องส่งข้อมูลกลับไปยังเซิร์ฟเวอร์หรือคลาวด์ที่อยู่ไกล

สถาปัตยกรรมเครือข่ายน้ำหนักเบาที่ทำให้การตรวจจับวัตถุแบบเรียลไทม์เป็นไปได้

ช่วงไม่กี่ปีที่ผ่านมา งานวิจัยด้านการค้นหาโครงข่ายประสาทเทียม (NAS) ได้สร้างผลงานที่น่าประทับใจอย่างมาก รวมถึง LFN-YOLO ซึ่งสามารถทำค่าความแม่นยำเฉลี่ย (mean average precision) ได้ประมาณ 74.1% บนชุดข้อมูลใต้น้ำ พร้อมใช้พื้นที่หน่วยความจำเพียงประมาณ 5.9 เมกะไบต์ เมื่อนำโมเดลเหล่านี้ไปใช้งานจริง สามารถตรวจจับวัตถุขนาดเล็กได้ถึง 10 เซนติเมตร ในระดับความลึก 15 เมตร สิ่งที่ทำให้โมเดลเหล่านี้โดดเด่นคือ ต้องการจำนวนการดำเนินการแบบ floating point น้อยกว่าเครือข่ายประสาทเทียมแบบ convolutional ทั่วไปประมาณ 83% ประสิทธิภาพนี้ทำให้เหมาะอย่างยิ่งสำหรับการประมวลผลงานที่ขอบของเครือข่าย (edge of networks) ซึ่งมีทรัพยากรจำกัด และสิ่งนี้กำลังกลายเป็นสิ่งสำคัญมากขึ้นเรื่อย ๆ เมื่อเราพัฒนาศักยภาพการประมวลผลให้สามารถทำงานในอุปกรณ์ที่มีขนาดเล็กลง

การประมวลผลบนอุปกรณ์: การลดความซับซ้อนของโมเดลเพื่อการติดตั้งบนระบบฝังตัว

ระบบสมัยใหม่จำเป็นต้องทำงานได้อย่างมีประสิทธิภาพแม้ในสภาวะที่พลังงานจำกัด จึงมีการลดจำนวนพารามิเตอร์ของโมเดล (เหลือเพียง 2.7 ล้าน) และลดความต้องการด้านการประมวลผล (ประมาณ 7.2 GFLOPs) โดยใช้วิธีการต่างๆ เช่น การรวมพูลแบบพีระมิดเชิงพื้นที่ (spatial pyramid pooling) และการแยกชั้นความลึก (depthwise separable convolutions) ซึ่งเป็นที่กล่าวถึงกันบ่อยในช่วงหลัง เมื่อมีการเพิ่มโมดูล SPD-Conv เข้ามา จะเกิดปรากฏการณ์ที่น่าสนใจขึ้น นั่นคือ ระบบยังสามารถตรวจจับรายละเอียดเล็กๆ ของวัตถุขนาดเล็กได้อย่างครบถ้วน แม้ว่าโดยรวมแล้วจำนวนพารามิเตอร์จะลดลงถึง 76% ก็ตาม และที่สำคัญคือ ระบบทั้งหมดทำงานได้ภายในกำลังไฟเพียง 12 วัตต์ ซึ่งทำให้มีประสิทธิภาพในการใช้พลังงานดีขึ้นประมาณ 40% เมื่อเทียบกับรุ่นก่อนหน้า สิ่งนี้มีความสำคัญอย่างยิ่งสำหรับอุปกรณ์ที่มีข้อจำกัดด้านพลังงานอย่างเข้มงวด แต่ยังคงต้องการความสามารถอัจฉริยะ

ข้อแลกเปลี่ยนระหว่างความแม่นยำกับประสิทธิภาพในอัลกอริทึม AI ที่เรียบง่าย

แม้ว่าโมเดล AI ที่เรียบง่ายจะสูญเสียความแม่นยำสัมบูรณ์ไป 5–8% เมื่อเทียบกับโมเดลระดับงานวิจัย แต่ก็ยังคงรักษาระดับความสามารถในการใช้งานได้มากกว่า 90% ในสถานการณ์การประมงจริง เทคนิคอย่างการกลั่นความรู้ (knowledge distillation) และการสูญเสียโฟกัสแบบแจกแจง (distribution focal loss - DFL) ช่วยลดช่องว่างด้านประสิทธิภาพ ทำให้หัวตรวจจับที่เบามากสามารถประมวลผลข้อมูลโซนาร์ขนาด 640x480 ได้ที่ 28 เฟรมต่อวินาทีบนอุปกรณ์ขอบเขตที่ทนทานและต้านทานการกัดกร่อน

การออกแบบระบบพกพาสำหรับการตรวจจับปลาแบบเรียลไทม์

การผสานเทคโนโลยีการตรวจจับร่องเสียงสะท้อนด้วยปัญญาประดิษฐ์เข้ากับเครื่องวัดความลึกแบบกะทัดรัด

เครื่องอีโคโซนเดอร์แบบพกพาในปัจจุบันมาพร้อมกับโมเดลการเรียนรู้เชิงลึกขนาดเล็กที่ถูกสร้างไว้ภายในเฟิร์มแวร์ ซึ่งช่วยให้สามารถตรวจจับฝูงปลาได้แบบเรียลไทม์ แม้กระทั่งที่ความลึกประมาณ 200 เมตร เรามีความก้าวหน้าอย่างมากในช่วงไม่กี่ปีที่ผ่านมา ซึ่งเกิดจากวิธีการออกแบบเครือข่ายประสาทเทียมที่ดีขึ้น วิธีการใหม่เหล่านี้ช่วยลดความซับซ้อนของโมเดลลงประมาณ 73% เมื่อเทียบกับแนวทาง CNN แบบเดิม ด้วยเหตุนี้ ระบบอย่าง YOLO-fish จึงสามารถแยกแยะวัตถุขนาดเล็กเพียง 5 ตารางเซนติเมตรได้ แม้ในสภาพแวดล้อมใต้น้ำที่มีสิ่งรบกวนจำนวนมาก ความก้าวหน้าในลักษณะนี้ทำให้เกิดความแตกต่างอย่างแท้จริงสำหรับนักตกปลาที่ต้องการข้อมูลอ่านค่าที่แม่นยำ โดยไม่ต้องรอการประมวลผลเป็นเวลานาน

การประสานการสแกนโซนาร์กับรอบการอนุมานของปัญญาประดิษฐ์เพื่อให้ได้ผลลัพธ์ทันที

วิศวกรลดความหน่วงโดยการจัดเรียงช่วงพัลส์โซนาร์ (20–40 มิลลิวินาที) ให้สอดคล้องกับรอบการอนุมานของปัญญาประดิษฐ์ที่ถูกปรับแต่งอย่างเหมาะสม ตัวอย่างเช่น ระบบบนพื้นฐาน RTMDet สามารถให้ความเร็ว 32 เฟรมต่อวินาทีบนฮาร์ดแวร์แบบเอจ ทำให้ได้ข้อมูลเชิงลึกที่สามารถนำไปใช้ตัดสินใจได้ภายใน 0.5 วินาทีหลังรับสัญญาณ—ซึ่งมีความสำคัญต่อการตัดสินใจแบบพลวัตในระหว่างปฏิบัติการประมง

การปรับปรุงความแม่นยำในการจับปลาผ่านการตรวจจับเป้าหมายขนาดเล็กในน้ำขุ่น

เพื่อเพิ่มประสิทธิภาพการตรวจจับในน้ำที่มีตะกอนมาก ระบบสมัยใหม่จึงรวมการถ่ายภาพหลายช่วงคลื่นเข้ากับอัลกอริธึมการกำหนดเกณฑ์แบบปรับตัว ผลการทดลองภาคสนามแสดงให้เห็นว่าตัวกรองแบบ Gaussian Mixture Model สามารถเพิ่มความแม่นยำได้ 22% ในบริเวณปากแม่น้ำที่ขุ่นเมื่อเทียบกับโซนาร์แบบเดิม ช่วยลดการตรวจจับผิดพลาดและไม่ตรวจพบเป้าหมายลงอย่างมีนัยสำคัญ

การทดสอบภาคสนาม: สมรรถนะจริงของอุปกรณ์ตรวจจับแบบพกพา

การประเมินอย่างอิสระในอุตสาหกรรมประมงของเอเชียตะวันออกเฉียงใต้ยืนยันว่า ระบบแบบพกพายังคงรักษาระดับความแม่นยำได้ถึง 89% ในการระบุชนิดปลาเชิงพาณิชย์ แม้จะมีสัญญาณรบกวนจากคลื่นและความลึกที่เปลี่ยนแปลงอย่างรวดเร็ว อย่างไรก็ตาม การรวมตัวของปลาหนาแน่นยังคงเป็นความท้าทาย เนื่อง้อัตราความผิดพลาดเพิ่มขึ้นถึง 14% เมื่อสัญญาณสะท้อนทับซ้อนกัน ซึ่งเป็นประเด็นสำคัญที่ต้องปรับปรุงอัลกอริทึมในอนาคต

ประสิทธิภาพพลังงานและความทนทานในสภาพแวดล้อมทางทะเลที่รุนแรง

วิศวกรรมระบบประหยัดพลังงานสำหรับการปฏิบัติงานระยะยาวในทะเล

การได้มาซึ่งประสิทธิภาพการใช้พลังงานที่ดีมีความสำคัญอย่างมากในการออกแบบอุปกรณ์ตรวจจับใต้น้ำรุ่นใหม่ โดยเฉพาะสำหรับภารกิจที่ยาวนานหลายวัน รุ่นใหม่ๆ มาพร้อมกับโปรเซสเซอร์ที่ใช้พลังงานต่ำกว่า 200 วัตต์ และมีวงจรโซนาร์แบบปรับตัวได้ ซึ่งช่วยลดการใช้พลังงานลงประมาณ 45 เปอร์เซ็นต์ เมื่อเทียบกับเทคโนโลยีรุ่นก่อน บางรุ่นที่ถือว่าออกแบบได้ดีที่สุดนั้น ยังรวมเอาตัวเลือกการชาร์จพลังงานแสงอาทิตย์เข้าไว้ด้วย พร้อมทั้งแบตเตอรี่สำรองที่จะทำงานโดยอัตโนมัติเมื่ออุปกรณ์อยู่ใต้น้ำเค็ม การรวมกันนี้ทำให้อุปกรณ์สามารถทำงานได้อย่างต่อเนื่องเกินกว่าสามวันเต็ม แม้ว่าสภาพอากาศจะมีเมฆครึ้มเป็นส่วนใหญ่

วัสดุขั้นสูง: คอมโพสิตน้ำหนักเบาที่ทนต่อการกัดกร่อนและความดัน

การวิเคราะห์ในปี 2025 ในวารสาร Results in Engineering แสดงให้เห็นว่า คอมโพสิตไฟเบอร์คาร์บอนมีอายุการใช้งานยาวนานกว่าวัสดุโลหะถึงแปดเท่าในสภาพแวดล้อมน้ำเค็ม อุตสาหกรรมปัจจุบันนิยมใช้พอลิเมอร์ที่ผสมกราฟีน ซึ่งสามารถทนต่อความลึกได้สูงสุดถึง 6,000 เมตร และมีน้ำหนักเบากว่าเหล็กถึง 85%

การรับประกันความน่าเชื่อถือและอายุการใช้งานที่ยาวนานภายใต้สภาวะที่มีข้อจำกัดด้านทรัพยากร

การทดสอบที่เร่งให้สิ่งต่าง ๆ เร็วขึ้นสามารถเลียนแบบความเสียหายที่เกิดขึ้นในระยะเวลาสิบปี ภายในเพียงสิบสองสัปดาห์ โดยทำให้วัสดุสัมผัสกับกรดซัลฟิวริกในความเข้มข้นที่ใกล้เคียงกับที่ปล่อยออกมาจากสาหร่ายเน่าเปื่อย อุปกรณ์เหล่านี้มาพร้อมกับตัวเรือนแบบปิดผนึกสองชั้นตามมาตรฐาน IP68 ที่ออกแบบมาโดยเฉพาะเพื่อป้องกันไม่ให้อนุภาคพลาสติกขนาดเล็กเข้าไปได้ ขณะเดียวกันก็มีชั้นเคลือบอีพอกซีพิเศษที่มีคุณสมบัติในการซ่อมแซมรอยขีดข่วนบนผิวหน้าเองได้ แม้รอยจะลึกถึงครึ่งมิลลิเมตร เมื่อนำอุปกรณ์ชุดนี้มาใช้งานร่วมกับชิ้นส่วนที่สามารถติดตั้งเข้าที่ได้อย่างง่ายดาย ทำให้ชาวประมงสามารถเปลี่ยนเซ็นเซอร์ที่ชำรุดได้ทันทีในสถานที่จริง โดยไม่จำเป็นต้องใช้อุปกรณ์ซ่อมแซมขั้นสูงใด ๆ สิ่งนี้มีความสำคัญอย่างยิ่งเมื่อทำงานในพื้นที่ห่างไกลจากเขตเมืองตามแนวชายฝั่ง ซึ่งการซ่อมแซมอย่างรวดเร็วมีบทบาทสำคัญที่สุดในการรักษางานปฏิบัติการให้ดำเนินไปอย่างราบรื่น

คำถามที่พบบ่อย

อุปกรณ์ตรวจจับใต้น้ำที่มีน้ำหนักเบา มีข้อดีอะไรบ้าง

อุปกรณ์ตรวจจับใต้น้ำที่มีน้ำหนักเบาให้ประโยชน์หลายประการ เช่น การเคลื่อนย้ายที่ง่ายขึ้น ลดความเมื่อยล้าของผู้ใช้งาน และเพิ่มความแม่นยำในการระบุตำแหน่งของปลา อุปกรณ์เหล่านี้มักมีน้ำหนักต่ำกว่า 3 กิโลกรัม และสามารถดำน้ำได้ลึกเกิน 200 เมตร ทำให้เหมาะสำหรับชาวประมงพื้นบ้านที่ดำเนินการในแหล่งน้ำตื้นที่เปลี่ยนแปลงอยู่ตลอดเวลา

ชุมชนประมงได้รับประโยชน์อย่างไรจากการนำอุปกรณ์โซนาร์ที่ใช้ปัญญาประดิษฐ์มาใช้

ชุมชนประมง โดยเฉพาะในภูมิภาคเอเชียตะวันออกเฉียงใต้ ประสบกับอัตราการจับปลาเพิ่มขึ้นถึง 40% หลังจากเริ่มใช้อุปกรณ์โซนาร์ที่ใช้ปัญญาประดิษฐ์ อุปกรณ์เหล่านี้ยังช่วยลดการจับสัตว์น้ำไม่เป้าหมายลง 22% ส่งผลให้กำไรดีขึ้นและลดความเสียหายต่อระบบนิเวศทางทะเล

นวัตกรรมเทคโนโลยีใดที่กำลังถูกนำมาใช้ในอุปกรณ์ตรวจจับใต้น้ำแบบพกพา

นวัตกรรมล่าสุดรวมถึงการใช้โมเดลการเรียนรู้เชิงลึกเพื่อตรวจจับวัตถุใต้น้ำ สถาปัตยกรรมเครือข่ายที่มีน้ำหนักเบา และการประมวลผลบนอุปกรณ์เพื่อลดความซับซ้อนของโมเดล ระบบเหล่านี้ช่วยลดความต้องการพลังการประมวลผลอย่างมากในขณะที่ยังคงรักษาระดับความแม่นยำสูง ทำให้สามารถตรวจจับและวิเคราะห์วัตถุแบบเรียลไทม์ได้โดยตรงจากอุปกรณ์ทางทะเล

วัสดุสมัยใหม่ช่วยเพิ่มความทนทานของอุปกรณ์ตรวจจับอย่างไร

วัสดุขั้นสูง เช่น คอมโพสิตเส้นใยคาร์บอน และพอลิเมอร์ที่ผสมกราฟีน ช่วยเพิ่มความทนทานของอุปกรณ์ตรวจจับใต้น้ำ วัสดุเหล่านี้มีคุณสมบัติต้านทานการกัดกร่อนได้ดีเยี่ยมและทนต่อแรงดันสูง ซึ่งเป็นสิ่งจำเป็นสำหรับการใช้งานระยะยาวในสภาพแวดล้อมทางทะเลที่รุนแรง

อุปสรรคที่ยังคงมีอยู่สำหรับอุปกรณ์ตรวจจับใต้น้ำคืออะไร

แม้จะมีความก้าวหน้า แต่ยังคงมีบางอุปสรรค เช่น อัตราความผิดพลาดสูงในการตรวจจับฝูงปลาที่รวมตัวกันอย่างหนาแน่น และการรักษาระดับการทำงานที่สม่ำเสมอในสภาพน้ำที่เปลี่ยนแปลง ปัจจุบันมีการปรับปรุงอัลกอริทึมอย่างต่อเนื่องเพื่อแก้ไขปัญหาเหล่านี้