一个协作和近乎全面的北太平洋驼背照片识别数据集

科学领域:

• 海洋生物学 海洋生物学
• 保护科学 保护科学
• 生物信息学是一种生物信息学.

背景情况:

• 驼背 (Megaptera novaeangliae) 种群是北太平洋生态系统健康的关键指标.
• 准确的种群评估对于有效的保护策略至关重要,尤其是在快速环境变化的情况下.
• 现有的数据集是分散的,限制了盆地范围内的生态研究.

研究的目的:

• 为了创建一个统一的,海洋盆地规模的北太平洋驼背的数据集.
• 开发和实施一个准确的,人工智能驱动的系统,用于单个驼背的识别.
• 为了提供一个可访问的资源,以合作,长期的生态研究这个基石物种.

主要方法:

• 综合摄影识别 (照片-ID) 和来自39个策划目录和社区科学来源的数据.
• 利用基于机器学习的人工智能 (AI) 图像识别算法,快速准确地匹配单个鱼 (准确率为97-99%).
• 将数据组织成13个不同的北太平洋地区,包括繁殖,养和迁徙地区.

主要成果:

• 在2001年至2021年期间记录了27956只独特的驼背,在157350次遭遇中记录了27956只独特的驼背.
• 发现87%的个体每年在一个以上的季节遇到,这表明显著的居住和迁徙模式.
• 在研究期间,每个人平均有5.6次遭遇.

结论:

• 开发的数据集和人工智能工具为对驼的全面,协作研究提供了强大的,活跃的资源.
• 这一举措显著提高了监测和了解北太平洋驼背种群的能力.
• 这些发现强调了数据集成和先进技术在海洋哺乳动物保护工作中的重要性.