相关实验视频
Updated: Jun 24, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
通过通过鱼类自动行为识别来评估被动渔具的可持续诱
Alexa Sugpatan Abangan1, Kilian Bürgi1,2, Sonia Méhault1
1DECOD, L'Institut Agro, IFREMER, INRAE, 56100, Lorient, France.
Scientific reports
|June 7, 2024
概括
可生物降解的诱显示出较低的初始吸引力,但与天然的诱相比,黑海的持续参与. 机器学习模型有效地分析鱼类的行为,帮助可持续的渔具开发.
科学领域:
- 海洋生态海洋生态学
- 渔业 科学 渔业 科学
- 生物技术是生物技术.
背景情况:
- 低影响性渔具对于沿海生态系统的健康至关重要.
- 目前为渔业而采集的诱增加了环境成本.
- 开发可持续的诱替代品至关重要.
研究的目的:
- 开发和评估可生物降解的基于生物聚合物的诱 (生物诱).
- 为了评估这些生物诱对黑海 (Spondyliosoma cantharus) 的效率.
- 使用机器学习自动化鱼类行为识别.
主要方法:
- 使用 (Cerastoderma edule) 和不同度的生物聚合物制造生物诱.
- 采用深度和机器学习模型用于自动化鱼类跟踪和行为分类.
- 分析了127小时的视频录像来预测海对诱的兴趣.
主要成果:
- 生物诱最初的吸引力比自然诱弱.
- 海在4小时后对生物诱的活性增加,自然后的诱消费.
- 机器学习强大提取行为数据,即使跟踪不完美.
结论:
- 可生物降解的诱提供了一个有希望的,虽然不那么立即有吸引力的替代品.
- 自动化鱼类行为分析显著提升了监测能力.
- 这项研究为改进生物诱和鱼类行为识别系统铺平了道路.
