使用生物记录器数据和深度学习来识别自由活动的海洋捕食者的猎物捕获事件
Stefan Schoombie1,2, Lorène Jeantet3,4, Marianna Chimienti5
1Department of Statistical Sciences, Centre for Statistics in Ecology, Environment and Conservation (SEEC), University of Cape Town, Cape Town 7701, South Africa.
Royal Society open science
|August 5, 2024
概括
研究人员开发了一种使用人工智能的新方法,用于跟踪带企中猎物捕获率. 这一创新有助于估计海洋捕食者消耗的生态系统管理.
科学领域:
- 海洋生态海洋生态学
- 生物记录技术的技术
- 深度学习应用程序深度学习应用程序
背景情况:
- 海洋捕食者对生态系统健康至关重要.
- 由于无法观察到的相互作用,估计捕食者消耗是具有挑战性的.
- 带企是南极的主要消费者,对南洋食物网至关重要.
研究的目的:
- 开发和验证一种用于量化潜水海洋捕食者的猎物捕获率的新方法.
- 利用生物记录数据 (加速和深度) 来估计掠食者食成功.
- 应用深度学习来分析来自生物日志记录器的大数据集.
主要方法:
- 收集了41只带企的同步视频,加速度计和深度数据.
- 手动识别的猎物从视频录像中捕获.
- 训练了两个深度学习模型 (CNN和V-Net),使用视频识别猎物捕获的监督学习.
主要成果:
- 这两种训练有素的深度学习模型都从加速和深度数据中准确预测了猎物捕获.
- 在预测和观察到的猎物捕获之间实现了高相关性 (R2 ≈ 0.86).
- 证明了人工智能在处理生态日志数据的生态研究中的有效性.
结论:
- 深度学习算法可以对潜水海洋捕食者的猎物捕获事件进行可靠的估计.
- 这种新的方法克服了观察捕食者与猎物的相互作用的挑战.
- 该方法支持将捕食者消费纳入基于生态系统的管理.
