Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection
Diese Studie präsentiert eine YOLO-basierte automatisierte Pipeline, die erfolgreich Gadiden und Plattfische in Stereo-BRUV-Aufnahmen aus Nordsee-Windparks detektiert, eine benutzerdefinierte Metrik einführt, um ihre Fähigkeit zur effizienten Schätzung der Fischabundanz zu validieren, und zeigt, dass die Kombination dualer Kamera-Perspektiven die Sensitivität von Populationsschätzungen im Vergleich zu Einzelperspektiven verbessert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Der Meeresboden ist eine weite, sich ständig verändernde Landschaft, in der das Leben auf eine Weise gedeiht, die für das menschliche Auge oft unsichtbar bleibt. Um zu verstehen, wie sich Fischpopulationen im Laufe der Zeit verändern, müssen Wissenschaftler sie zählen, doch dies unter Wasser zu tun, ist äußerst schwierig. Traditionelle Methoden beinhalten oft das Ziehen von Netzen oder Fallen über den Meeresboden, was genau die Ökosysteme schädigen kann, die Forscher eigentlich untersuchen wollen. Eine sanftere Alternative ist entstanden: die beraimte ferngesteuerte Unterwasserkamera (Baited Remote Underwater Video). Wissenschaftler lassen ein Kamera-System, das mit einer kleinen Menge Fischköder beschwert ist, zum Meeresboden hinab. Der Geruch des Köders lockt die lokalen Fische an, und die Kamera zeichnet sie eine Stunde oder länger auf. Diese Methode bietet ein nicht-invasives Fenster in das marine Leben, bringt jedoch einen massiven Engpass mit sich. Eine einzige Untersuchung kann hunderte Gigabyte an Videomaterial erzeugen. Um eine Zählung der Fische zu erhalten, muss ein menschlicher Experte jede Minute dieses Filmmaterials, Bild für Bild, ansehen, um die maximale Anzahl der Individuen zu ermitteln, die gleichzeitig zu sehen sind. Dieser manuelle Prozess ist langsam, teuer und begrenzt die Menge an Daten, die jemals analysiert werden können.
Ein Forschungsteam der Universität Exeter hat diesen Engpass angegangen, indem es Computern beigebracht hat, das Zählen zu übernehmen. Sie entwickelten ein spezialisiertes System der künstlichen Intelligenz, das darauf ausgelegt ist, Unterwasservideos zu beobachten und zwei spezifische Fischgruppen automatisch zu identifizieren und zu zählen: codartige Fische, bekannt als Gadiden, und Plattfische. Die Studie fand in der nördlichen Nordsee statt, einem Gebiet, das von Offshore-Windparks durchsetzt ist, wo das Team beobachtete, wie diese massiven Strukturen das lokale Fischleben beeinflussen. Anstatt sich auf einen einzigen Kamerawinkel zu verlassen, verwendete das Team ein Stereo-System, das die Szene gleichzeitig aus zwei leicht unterschiedlichen Perspektiven aufzeichnet, ganz ähnlich wie das menschliche Auge. Durch das Training ihrer KI mit tausenden annotierten Videoframes schufen sie eine Pipeline, die Stunden von Filmmaterial in einem Bruchteil der Zeit scannen konnte, die ein Mensch benötigen würde, und zuverlässige Zählungen der Fischabundanz lieferte.
Die Forscher bauten nicht nur einen Detektor; sie bauten ein System, das die spezifischen Herausforderungen der Unterwasserzählung versteht. In einem überfüllten Videobild verstecken sich Fische oft hintereinander, was es schwierig macht, genau zu bestimmen, wie viele präsent sind. Das Team trainierte ihr Modell darauf, zu erkennen, dass mit zunehmender Anzahl der Fische auch die Schwierigkeit, sie perfekt zu zählen, steigt. Sie führten eine neue Art der Erfolgsmessung ein, die diese Realität berücksichtigt und akzeptiert, dass eine kleine Fehlermarge natürlich ist, wenn Fische dicht gedrdet zusammenstehen. Als sie ihr System gegen die von menschlichen Experten durchgeführten Zählungen testeten, waren die Ergebnisse beeindruckend. Die Schätzungen des Computers stimmten mit den menschlichen Zählungen mit sehr hoher Genauigkeit überein und identifizierten die Anwesenheit und die ungefähre Anzahl von Plattfischen und codartigen Fischen in fast jedem Fall korrekt. Das System war so effektiv, dass es einen erheblichen Teil der manuellen Arbeit ersetzen konnte, wodurch die Zeit für die Verarbeitung von Untersuchungsdaten von Monaten auf Wochen reduziert wurde.
Eine der überraschendsten Entdeckungen ergab sich aus der Art und Weise, wie das System die zwei Kamerawinkel nutzte. In traditionellen Untersuchungen wählen Wissenschaftler normalerweise nur eine Kameraansicht für die Fischzählung aus und behandeln die zweite Kamera als Backup oder zur Messung der Fischlänge. Die Forscher fanden heraus, dass sie ein viel klareres Bild der Fischpopulation erhielten, indem sie den Computer beide Winkel betrachten ließen und einfach die höhere Anzahl aus den beiden wählten. Dieser Ansatz, den sie als „Maximalzählung“ bezeichneten, reduzierte das Rauschen und die Unsicherheit in den Daten. Er machte die Untersuchungsergebnisse empfindlicher für reale Veränderungen in der Umgebung. Beispielsweise zeigte die Zwei-Kamera-Methode bei der Analyse, wie sich die Fischzahlen mit der Entfernung zu den Windkraftanlagen-Fundamenten veränderten, ein klares Muster, das die Einzelkamera-Methode übersah. Plattfische, die dazu neigen, tief zu liegen und mit dem Meeresboden zu verschmelzen, waren aus nur einem Winkel besonders schwer zu entdecken, aber der Dual-View-Ansatz erfasste sie wesentlich effektiver.
Die Studie hob auch die praktischen Vorteile dieser Automatisierung für das langfristige Monitoring hervor. Während die Einrichtung des Systems eine anfängliche Investition an Zeit erforderte, um die Trainingsdaten zu kennzeichnen und die Software abzustimmen, war der Ertrag im Feld unmittelbar spürbar. Das Team war in der Lage, die Datenerhebung von 2024 in nur 68 Tagen zu verarbeiten, im Vergleich zu 134 Tagen für die Untersuchung des Vorjahres, die vollständig auf manueller Zählung basierte. Diese Geschwindigkeit spart nicht nur Zeit; sie ermöglicht es Wissenschaftlern, komplexere Fragen darüber zu stellen, wie marine Ökosysteme auf menschliche Aktivitäten reagieren. Die Forscher merkten an, dass ihr System zwar derzeit auf die spezifischen Fische und Bedingungen der Nordsee zugeschnitten ist, der Rahmen jedoch offen und zugänglich ist. Es beweist, dass mit den richtigen Werkzeugen die massiven Videomengen, die von Meereswissenschaftlern gesammelt werden, in verwertbares Wissen umgewandelt werden können, ohne unter der Last manueller Arbeit begraben zu werden.
Der Erfolg dieses Projekts deutet auf einen neuen Weg für den Meeresschutz hin. Indem sie die mühsame Aufgabe des Zählens automatisieren, können sich Wissenschaftler auf die Interpretation der Daten konzentrieren, anstatt nur deren Sammlung. Die Fähigkeit, subtile Veränderungen in der Fischabundanz zu erkennen, wie etwa den Rückgang der Zahlen in größerer Entfernung von Windkraftanlagen, liefert entscheidende Beweise für die verantwortungsvolle Bewirtschaftung dieser Industrieanlagen. Die Forscher betonen, dass der Computer ein mächtiges Werkzeug ist, aber am besten funktioniert, wenn er die menschliche Expertise ergänzt, anstatt sie vollständig zu ersetzen. Das System ist darauf ausgelegt, den Großteil der Zählungen zu übernehmen und die komplexesten Szenen für eine menschliche Überprüfung zu markieren. Diese Partnerschaft zwischen menschlicher Einsicht und maschineller Geschwindigkeit bietet eine skalierbare Lösung für die Überwachung der Gesundheit unserer Ozeane und stellt sicher, dass wir, während wir mehr Infrastruktur auf dem Meeresboden bauen, auch ein präzises und wachsames Auge auf das Leben richten können, das dort zu Hause ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.