从单摄像头图像中估计猎物密度的一种方法:对带企和南极的案例研究
Victoria R Hermanson1, George R Cutter1, Jefferson T Hinke1
1Antarctic Ecosystem Research Division, Southwest Fisheries Science Center, National Marine Fisheries Service, National Oceanic and Atmospheric Administration, La Jolla, CA, United States of America.
PloS one
|July 9, 2024
概括
研究人员使用人工智能开发了一种新方法,通过企视频数据估计南极密度. 这种方法有助于理解捕食者-猎物动态和鱼聚集.
科学领域:
- 海洋生态海洋生态学
- 生物声学和生物测试
- 生态学中的人工智能
背景情况:
- 从捕食者传播的视频中估计海洋猎物密度是具有挑战性的.
- 了解捕食者与猎物的相互作用需要准确的猎物密度数据.
- 动物传播的视频记录器提供了对食行为的洞察力.
研究的目的:
- 从视频数据开发一种用于估计南极 (Euphausia superba) 密度的新方法.
- 利用人工智能和机器学习来处理海洋视频图像.
- 根据猎物的可用性,提供一种分析捕食者食效率的工具.
主要方法:
- 使用海洋环境视频和图像分析 (VIAME) 软件训练了一个神经网络,以识别视频中的鱼.
- 开发了一种方法,根据的可见度范围和已知的长度来估计成像的水量.
- 分析了一只带企 (Pygoscelis antarcticus) 搜寻食物之旅的视频录像.
主要成果:
- 鱼图像分类器实现了73%的整体准确率和83%的积极预测值.
- 据估计,鱼群的密度在2至307克里尔·米-3,平均为48克里尔·米-3.
- 平均鱼生物质密度计算为25 g·m-3.
结论:
- 开发的AI模型和密度估计方法提供了一种有效的方式来处理视频记录器数据.
- 这种方法提供了对影响捕食者食的猎物聚集的关键信息.
- 该方法适用于研究其他海洋捕食者及其猎物.
更多相关视频
07:43Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop
Published on: July 2, 2018
9.5K
06:36A Field Primer for Monitoring Benthic Ecosystems Using Structure-From-Motion Photogrammetry
Published on: April 15, 2021
3.7K
