Jedes Fr\u00fchjahr machen sich die in den K\u00fcstengew\u00e4ssern von Massachusetts lebenden Flussheringe auf den Weg zu ihren S\u00fc\u00dfwasserlaichgebieten. Ihre Wanderung, die \u00f6kologisch von entscheidender Bedeutung ist, hat leider im Laufe der Jahre zu einem beunruhigenden R\u00fcckgang der Populationen gef\u00fchrt. Um dem entgegenzuwirken, beobachten Experten in der gesamten Region die Wanderungen mit Hilfe von Programmen, die meist auf Freiwilligenbasis durchgef\u00fchrt werden, und traditionellen visuellen Z\u00e4hlmethoden.<\/p>\n
Die Fischbewegungen und die Populationsdynamik sind f\u00fcr die Erarbeitung von Erhaltungsma\u00dfnahmen und die Unterst\u00fctzung des Fischereimanagements von gr\u00f6\u00dfter Bedeutung. Mit dem Beginn der j\u00e4hrlichen Heringswanderung wird es f\u00fcr Forscher und Ressourcenmanager immer schwieriger, den wandernden Fischbestand zu sch\u00e4tzen und genau zu z\u00e4hlen.<\/p>\n
Um dieses Bed\u00fcrfnis zu befriedigen, w\u00e4hlten Forscher aus renommierten Institutionen wie dem Woodwell Climate Research Center, MIT Sea Grant, MIT CSAIL, MIT Lincoln Laboratory und Intuit bahnbrechende Methoden. Unter der Leitung von Zhongqi Chen, Linda Deegan, Robert Vincent, Kevin Bennett, Sara Beery, Timm Haucke, Austin Powell und Lydia Zuehsow entwickelte das Team eine innovative Methode zur Nutzung von Unterwasservideos und Computervision zur Unterst\u00fctzung der B\u00fcrgerwissenschaften. Diese bahnbrechende Forschung wurde in der angesehenen Zeitschrift Fernerkundung in \u00d6kologie und Naturschutz<\/em>.<\/p>\n Die Untersuchung mit dem Titel \u201cVon Schnappsch\u00fcssen zu kontinuierlichen Sch\u00e4tzungen: Erg\u00e4nzung der B\u00fcrgerwissenschaft durch Computer Vision f\u00fcr die Fisch\u00fcberwachung<\/a>,Die Studie zeigt auf, wie Fortschritte in der Computer Vision und im Deep Learning praktikable L\u00f6sungen f\u00fcr die Automatisierung der Fischz\u00e4hlung bieten. Diese Methoden umgehen die Einschr\u00e4nkungen hinsichtlich Zeit, Umweltbedingungen und Arbeitsintensit\u00e4t, die bei herk\u00f6mmlichen \u00dcberwachungsmethoden bestehen, und versprechen eine h\u00f6here Effizienz und Datenqualit\u00e4t.<\/p>\n In ihrem Bestreben, eine automatische Fischz\u00e4hlung zu erreichen, entwickelte das Team eine durchg\u00e4ngige Pipeline - von den Unterwasserkameras vor Ort \u00fcber die Videobeschriftung bis hin zum Modelltraining. Sie sammelten Videos aus drei Fl\u00fcssen in Massachusetts, insbesondere aus dem Coonamessett River in Falmouth, dem Ipswich River und dem Santuit River in Mashpee. Anschlie\u00dfend beschrifteten und kommentierten die Forscher in m\u00fchevoller Kleinarbeit die Bilder von Tausenden von Videoclips, um ihr Computer-Vision-Modell zu trainieren.<\/p>\n Durch den Vergleich mit menschlichen Videobewertungen, visuellen Z\u00e4hlungen am Fluss und Daten aus der passiven integrierten Transpondermarkierung (PIT) wurde die Wirksamkeit der Computer-Vision-Z\u00e4hlungen best\u00e4tigt. Modelle, die auf umfangreichen Daten mehrerer Standorte und mehrerer Jahre trainiert wurden, schnitten am besten ab und lieferten saisonale, hochaufl\u00f6sende Z\u00e4hlungen, die mit traditionellen Sch\u00e4tzungen \u00fcbereinstimmen. Noch beeindruckender war, dass das System Einblicke in das Migrationsverhalten, den Zeitplan und die Bewegungsmuster in Verbindung mit Umweltfaktoren lieferte.<\/p>\n Diese bahnbrechende Forschungsarbeit zielt darauf ab, die Grenzen der Computer Vision im Fischereimanagement zu erweitern und einen Rahmen f\u00fcr die Einbeziehung der Technologie in die Bem\u00fchungen um die Erhaltung der aquatischen Arten zu schaffen. \u201cDiese hervorragende Arbeit von Zhongqi Chen und Kollegen wird die M\u00f6glichkeiten der Fischerei\u00fcberwachung verbessern\u201d, so Robert Vincent. Dar\u00fcber hinaus wird ihre Arbeit auch die Ausbildung und Schulung von Studentengruppen, der \u00d6ffentlichkeit und von B\u00fcrgerwissenschaftlern f\u00f6rdern und damit die \u00f6kologisch und kulturell wichtigen Flussheringsbest\u00e4nde an unseren K\u00fcsten st\u00e4rken.<\/p>\n Trotz dieser Fortschritte bleibt die Notwendigkeit der traditionellen \u00dcberwachung bestehen. Sie wird die Datenkonsistenz in langfristigen Datens\u00e4tzen sicherstellen, bis automatisierte Systeme vollst\u00e4ndig eingef\u00fchrt sind. Selbst dann werden sich Computer Vision und Citizen Science gegenseitig erg\u00e4nzen. B\u00fcrgerwissenschaftler werden vor allem bei der Wartung von Kameras und der direkten Mitwirkung am Computer-Vision-Workflow eine zentrale Rolle spielen, was einen umfassenden Ansatz f\u00fcr die Umwelt\u00fcberwachung verspricht.<\/p>\n Diese Studie wurde unter anderem durch die finanzielle Unterst\u00fctzung des MIT Sea Grant erm\u00f6glicht. Weitere Einzelheiten finden Sie in dem urspr\u00fcnglichen Nachrichtenartikel hier<\/a>. Wenn Sie auf der Suche nach KI-Automatisierung f\u00fcr Ihr Unternehmen sind, sollten Sie einen Blick auf die L\u00f6sungen werfen, die von implementi.ai<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" Every spring, river herring that reside in the coastal waters of Massachusetts embark on an eminent quest to their freshwater spawning habitats. Their migration, a critical ecological occurrence, unfortunately, has seen troubling declines in population numbers over the years. To tackle this, experts across the region keep a close eye on their migration using mostly volunteer-based programs and traditional visual counting methods. A Fresh Perspective on Fishing The fish movement and population dynamics are paramount to devising conservation efforts and supporting fisheries management. With the beginning of the annual herring run, the task for both researchers and resource managers of […]<\/p>\n","protected":false},"author":4,"featured_media":8332,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[47,3],"tags":[],"class_list":["post-8331","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","category-ai-video","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8331","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=8331"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8331\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/8332"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=8331"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=8331"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=8331"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Verbesserte Naturschutzbem\u00fchungen mit Technologie<\/h5>\n
Die Zukunft des Fischereimanagements<\/h5>\n