🧬 biology

Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection

本研究提出了一种基于 YOLO 的自动化流水线，该流水线成功检测了北海风电场立体 BRUV 视频中的鳕科鱼类和平鱼，引入了一种自定义指标来验证其高效估算鱼类丰度的能力，并证明了结合双摄像头视角相比单视角能增强种群估算的灵敏度。

原作者： Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

发布于 2026-10-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

海底是一个广袤且不断变化的景观，生命以一种人类肉眼往往难以察觉的方式在那里繁衍生息。为了了解鱼类种群随时间的变化，科学家需要对它们进行计数，但要在水下进行这项工作极其困难。传统方法通常涉及在海床上拖拽渔网或陷阱，这可能会破坏研究人员试图研究的生态系统本身。一种更温和的替代方案应运而生：诱饵远程水下视频技术（baited remote underwater video）。科学家将一套带有少量鱼饵的摄像系统降至海底。鱼饵的气味会吸引当地鱼类，摄像机则会对它们进行一小时或更长时间的记录。这种方法为观察海洋生物提供了一个非侵入性的窗口，但也带来了一个巨大的瓶颈。单次调查就可能产生数百 GB 的视频片段。为了统计鱼类的数量，人类专家必须坐下来，逐帧观看每一分钟的视频，以统计同时出现的个体最大数量。这个手动过程既缓慢又昂贵，并限制了能够分析的数据总量。

埃克塞特大学的一支研究团队通过教计算机进行计数，解决了这一瓶颈。他们开发了一种专门的人工智能系统，旨在观看水下视频并自动识别和计数两类特定的鱼群：被称为鳕形鱼（gadoids）的类鳕鱼和比目鱼。该研究在北海北部进行，该区域分布着许多海上风电场，研究小组当时正在监测这些庞大结构如何影响当地的鱼类生活。研究团队并没有依赖单一的摄像角度，而是使用了一个立体视觉系统，该系统会同时从两个略微不同的视角记录场景，就像人类的双眼一样。通过利用数千帧经过标注的视频帧来训练其人工智能，他们创建了一个流水线，可以在极短的时间内扫描数小时的视频，其速度远快于人类，并能产生可靠的鱼类丰度计数。

研究人员不仅构建了一个检测器，还构建了一个理解水下计数特定挑战的系统。在拥挤的视频帧中，鱼类经常互相遮挡，导致很难准确判断到底有多少条鱼。团队训练他们的模型去识别这样一个事实：随着鱼类数量的增加，完美计数的难度也会随之增加。他们引入了一种新的衡量成功的方法，该方法考虑到了这一现实，即接受在鱼类密集排列时存在微小误差是自然现象。当他们使用该系统与人类专家的计数进行对比测试时，结果令人瞩目。计算机的估计值与人类的计数高度吻合，在几乎所有情况下都能正确识别出比目鱼和类鳕鱼的存在及其近似数量。该系统的效率如此之高，以至于它可以取代大部分的手动工作，将处理调查数据所需的时间从数月缩短至数周。

一个最令人惊讶的发现来自于系统使用两个摄像角度的方式。在传统的调查中，科学家通常只选择一个摄像视角进行计数，将第二个摄像机视为备份或用于测量鱼的长度。研究人员发现，通过让计算机观察两个角度并简单地取两者中的较高计数，他们得到了更清晰的鱼类种群图像。他们称之为“最大计数”的方法减少了数据的噪声和不确定性。这种方法使调查结果对环境的真实变化更加敏感。例如，在分析鱼类数量如何随离风机基座距离的变化而变化时，双摄像机法揭示了一个单摄像机法所忽略的清晰模式。比目鱼倾向于贴近底部并与海床融为一体，从单一角度观察很难发现它们，但双视角方法能更有效地捕捉到它们。

该研究还强调了这种自动化技术对于长期监测的实际益处。虽然建立该系统需要最初投入时间来标记训练数据并调试软件，但其回报在实地应用中是立竿见影的。该团队仅用 68 天就处理完了 2024 年的调查数据，而前一年的调查（完全依赖人工计数）则耗时 134 天。这种速度不仅节省了时间，还让科学家能够提出关于海洋生态系统如何响应人类活动等更复杂的问题。研究人员指出，虽然他们的系统目前是针对北海特定的鱼类和环境定制的，但其框架是开放且易于获取的。它证明了借助正确的工具，海洋科学家收集的海量视频数据可以转化为可操作的知识，而不至于被繁重的手动劳动所埋没。

这一项目的成功为海洋保护指明了一条新路径。通过将枯燥的计数任务自动化，科学家可以将精力集中在解释数据而非仅仅是收集数据上。检测鱼类丰度细微变化（例如远离风机处数量下降）的能力，为负责任地管理这些工业设施提供了关键证据。研究人员强调，虽然计算机是一个强大的工具，但它在配合人类专业知识而非完全取代人类方面效果最好。该系统旨在处理大部分计数工作，并在必要时将最复杂的场景标记出来供人类审查。这种人类洞察力与机器速度之间的协作提供了一种可扩展的方案来监测海洋健康，确保在我们建设更多海底基础设施的同时，也能对栖息其中的生命保持精准且警觉的关注。

技术摘要：利用 YOLO 物体检测实现立体 BRUV 视频中鳕科鱼类与比目鱼丰度的自动化估算

问题陈述
海洋生态系统管理需要稳健的监测手段，以应对过度捕捞、污染以及海上可再生能源基础设施扩张等人为压力。虽然诱饵远程水下视频（BRUV）调查提供了一种非侵入性、高性价比的方法来评估鱼类种群，但其效用受限于人工视频分析的高强度劳动性质。这造成了分析瓶颈，尤其是在数据量增长至太字节（TB）级别时。此外，传统的 BRUV 分析通常仅利用立体系统中的单个摄像机视角，丢弃了来自第二个摄像机的潜在价值数据，而后者传统上仅用于长度测量。因此，需要能够高效统计特定分类群并充分利用立体 BRUV 系统全部容量的端到端自动化流水线，以提高丰度估算的灵敏度。

方法论
作者开发了一个基于 You Only Look Once (YOLOv8) 物体检测框架的端到端计算机视觉流水线，用于自动统计在北海北部海上风电场采集的 BRUV 视频中的鳕科鱼类（Gadidae）和比目鱼科（Pleuronectiformes）。

数据收集与标注： 视频数据采集自 2022 年（n=108 次部署）和 2024 年（n=96 次部署）的调查。训练数据提取自 2022 年调查，具体包括“MaxN 帧”（即个体数量最多的帧）以及此后的每隔 1000 帧。共计 2,709 幅图像被标注，包含 16,679 个生物个体。为了解决类别不平衡问题，物种被归为三类：“比目鱼科”、“鳕科”和“底栖无脊椎动物”。
模型开发： 作者采用了两阶段优化过程。首先，通过粗略搜索评估了 41 种输入图像尺寸（640×640 对比 1280×1280）、模型架构（从 YOLOv8n 到 YOLOv8x）及训练数据结构的组合。最优配置采用了 1280×1280 输入图像和 YOLOv8s（small）框架。其次，通过基于遗传算法的超参数调优进行了 100 次迭代。
集成方法： 为了减轻随机权重初始化带来的变异性，研究者训练了一个由五个不同模型组成的模型集成。在推理过程中，通过对五个模型的检测计数进行平均，以确定每一帧的最终丰度估算值。
MaxN 估算： 该流水线每 2 秒分析一帧视频。记录特定类别在任何单帧中检测到的最大数量，作为模型推导的 MaxN ( $MaxN_{YOLO}$ )。
评估指标： 除了计算标准指标（mAP、精确率、召回率、RMSE、MAE）外，作者还引入了一个自定义指标——平均峰值成功率（Mean Peak Success, MPS），用于评估部署层面的准确性。MPS 计算预测值落在丰度相关误差容限（随丰度增加从 10% 升至 20%）范围内的比例。通过最大化每个分类群的峰值成功率，确定了用于部署的最佳置信度阈值。
立体视觉分析： 该流水线同时应用于立体 BRUV 单元的左侧和右侧摄像机视图。作者将传统的单视角估算（右侧摄像机）与 max-MaxN 指标（定义为每次部署中两个视角中较高的丰度估算值）进行了对比。研究使用配对 t 检验、变异系数（CV）的置ла置换检验以及 Friedman 检验来评估偏差、变异性和对距离风机基座距离的敏感性。

关键结果

检测性能： 最终的模型集成实现了极高的检测准确度，鳕科鱼类的平均精度均值（mAP）为 $0.896 \pm 0.009$ ，比目鱼科为 $0.814 \pm 0.009$ 。
丰度估算： $MaxN_{YOLO}$ 与专家标注的人工计数（ $MaxN_{Human}$ ）表现出极强的一致性，在两个调查年份中，Spearman 秩相关系数 ( $\rho$ ) 范围为 0.955 至 0.987，决定系数 ( $R^2$ ) 范围为 0.874 至 0.987。模型表现出轻微且持续的负偏差（少计），这在比目鱼科高丰度时最为明显，可能是由于遮挡造成的。
立体视觉优势： 通过对比单视角（右侧摄像机）与 max-MaxN 方法，研究发现使用双视角显著降低了丰度估算的变异性（较低的变异系数）。
统计敏感性： max-MaxN 指标比单视角对实验变量（距涡轮机基座距离）表现出更高的敏感性。单视角未能检测到两个分类群在不同距离带之间丰度的显著差异，而 max-MaxN 指标揭示了比目鱼科的显著差异（ $p = 0.043$ ），但对于鳕科则不然（ $p = 0.146$ ）。置换检验表明，这种效应量的增加仅在比目鱼科中具有统计学意义（ $\Delta W = 0.092, p = 0.003$ ），而鳕科的差异并不显著（ $\Delta W = 0.061, p = 0.114$ ）。
效率： 该自动化流水线的实施将从野外作业完成到获得最终 MaxN 估算的时间从 134 天（2022 年，人工方式）缩短至 68 天（2024 年，自动化结合人工校验）。

意义与主张
本文主张，定制化的目标检测流水线可以有效扩展基于视频的海洋监测的效率和分析范围。研究表明：

自动化是可行的： 基于 YOLO 的流水线可以高精度地实现对具有商业价值的鱼类分类群的自动计数，从而在多年监测计划中部分取代人工标注。
立体数据的效用： 自动化分析使得利用立体 BRUV 系统的两个视角变得切实可行。“max-MaxN”方法（选择两个摄像机中计数较高的值）增加了丰度估算对实验变量的敏感性并降低了变异性，从而在不增加额外野外工作量的情况下提高了统计效能。
指标创新： 引入平均峰值成功率（MPS）为 BRUV 数据提供了一个比标准误差指标更合适的评估框架，因为它考虑了计数误差（如遮挡）随丰度变化的特性。
易得性： 该工作流依赖开源框架，并可在中端硬件（NVIDIA RTX A4000）上运行，为研究人员采用自动化分析提供了一条低成本路径，前提是需投入初始训练数据的标注工作。

作者保持了审慎的态度，指出虽然自动化方法对于多年监测中的高丰度分类群非常有效，但人工标注员仍是绝对准确性的基准。他们也承认，这些模型是针对特定条件定制的，且由于训练数据的限制，物种级识别能力有限，这表明更广泛的泛化能力可能需要基于基础模型（foundation-model-based）的方法或更广泛的标注工作。

类似论文