在渔业中基于深度学习的海鸟检测,以保护海鸟
Jiawei Leong1, Junhong Zhao1, Bing Xue1
1Victoria University of Wellington, Wellington, New Zealand.
Journal of the Royal Society of New Zealand
|August 4, 2025
概括
研究人员开发了一个自动化系统,使用YOLO模型来检测商业渔业操作中的海鸟副捕获. 这项技术旨在通过准确识别现实海洋环境中的相互作用来改善海鸟保护工作.
科学领域:
- 海洋生物学 海洋生物学
- 计算机视觉 计算机视觉
- 保护技术 保护技术
背景情况:
- 新西兰海鸟的多样性很高,因此被称为"海鸟之都".
- 新西兰的商业渔业活动导致意外的海鸟附带捕获,对人口的可持续性构成威胁.
- 现有的监测海鸟副捕获的方法往往是人工和劳动密集型的.
研究的目的:
- 开发一个用于检测海鸟与商业渔船互动的自动化系统.
- 提高海鸟副捕获监测的准确性和效率.
- 为了解决以往在受控环境中评估的海鸟检测模型的局限性.
主要方法:
- 收集,注释和预处理海鸟与渔民互动的新型图像数据集.
- 使用转移学习与已建立的YOLO (你只看一次) 基准模型.
- 在高性能YOLO模型上执行超参数调整,以优化检测准确性.
主要成果:
- 开发的YOLO模型实现了高性能指标:测试数据上的mAP@50为0.9926和mAP@50-95为0.9147.
- 该模型在不受约束的真实海洋场景中表现出有效性.
- 自动检测大大减少了手动镜头审查的需要.
结论:
- 开发的YOLO模型为商业渔业中自动检测海鸟提供了强大的解决方案.
- 这项技术可以准确量化海鸟与船舶的相互作用,有助于保护战略.
- 该研究弥合了受控环境模型和海鸟保护的现实海洋应用之间的差距.
