Wissenschaftler und Naturressourcenmanager kanadischer First Nations, Regierungen, akademischer Institutionen und Naturschutzorganisationen veröffentlicht die ersten Ergebnisse eines einzigartigen Tools zur Überwachung der Lachspopulation in Grenzen in der Meereswissenschaft.
Diese bahnbrechende neue Technologie mit dem Namen „Salmon Vision“ kombiniert künstliche Intelligenz mit uralter Fischereiwehrtechnologie. Erste Bewertungen zeigen, dass es bemerkenswert gut darin ist, Fischarten zu identifizieren und zu zählen, was möglicherweise eine Überwachung der Lachspopulation in Echtzeit für Fischereimanager ermöglicht.
„In den letzten Jahren haben wir das Versprechen gesehen, dass die Unterwasservideotechnologie uns helfen wird, die Rückkehr der Lachse in die Flüsse buchstäblich zu beobachten“, sagt Hauptautor Dr. Will Atlas, leitender Wassereinzugsgebietswissenschaftler am Wild Salmon Center in Portland. „Das deckt sich mit dem, was uns viele unserer First Nations-Partner sagen: dass wir die Fischzählung automatisieren müssen, um fundierte Entscheidungen zu treffen, während die Lachse noch unterwegs sind.“
Die Salmon Vision-Pilotstudie kommentiert mehr als 500.000 einzelne Videobilder, die an zwei von Einheimischen betriebenen Fischzählwehren an den Flüssen Kitwanga und Bear an der Zentralküste von British Columbia aufgenommen wurden.
Das erste Deep-Learning-Computermodell seiner Art, das in Datenpartnerschaft mit der Gitanyow Fisheries Authority und der Skeena Fisheries Commission entwickelt wurde, zeigt eine vielversprechende Genauigkeit bei der Identifizierung von Lachsarten. Es ergab eine durchschnittliche Präzisionsrate von 67,6 Prozent bei der Verfolgung von 12 verschiedenen Fischarten, die durch speziell angefertigte Fischzählboxen an den beiden Wehren vorbeikamen, wobei die Werte für Silberlachs und Rotlachs über 90 bzw. 80 Prozent lagen: zwei der wichtigsten Fischarten, auf die die First Nations abzielen , Berufs- und Freizeitfischer.
Ein Koho-Lachs schwimmt am Koeye River in British Columbia an „Salmon Vision“ vorbei, einem auf künstlicher Intelligenz basierenden System zur automatischen Identifizierung und Zählung von Lachsen. Bildnachweis: Wild Salmon Center
„Als wir uns vorstellten, schnelle Zuschüsse für Projekte bereitzustellen, die sich auf indigenen Futurismus und Klimaresilienz konzentrieren, war dies die Art von Projekt, von der wir gehofft hatten, dass sie uns in den Weg kommt“, sagt Dr. Keolu Fox, Professorin an der University of California-San Diego, und einer von mehreren Rezensenten in einer frühen Crowdfunding-Runde für die Entwicklung von Salmon Vision.
Echtzeitdaten über Lachsrenditen sind in mehrfacher Hinsicht von entscheidender Bedeutung. Laut Dr. Atlas mangelt es für viele Fischereien in British Columbia seit Jahrzehnten an Daten. Dadurch müssen Fischereimanager die Fangzahlen auf Fangdaten zu Beginn der Saison stützen und nicht auf die tatsächliche Zahl der zurückkehrenden Lachse. Unterdessen sorgen sich ändernde Wetterbedingungen, Strömungen und Meeresbedingungen für schwankendere Lachsrenditen: Unsicherheit, die das anhaltende Risiko der Überfischung bereits gefährdeter Populationen noch verstärkt.
„Ohne Echtzeitdaten zu Lachsrenditen ist es äußerst schwierig, eine klimafreundliche und reaktionsfähige Fischerei aufzubauen“, sagt Dr. Atlas. „Die Datenerfassung und -analyse von Salmon Vision kann diese Informationslücke schließen.“
Es handelt sich um ein Werkzeug, von dem er sagt, dass es für Fischereimanager der First Nation und andere Organisationen von unschätzbarem Wert sein wird, sowohl am Entscheidungstisch – bei der Bereitstellung besserer Informationen zum Management von Naturschutzrisiken und Fangmöglichkeiten – als auch in abgelegenen Flüssen im gesamten Lachsgebiet, wo auf der Die Erfassung von Bodendaten ist anspruchsvoll und kostspielig.
Das Salmon Vision-Team implementiert im Jahr 2023 versuchsweise automatisierte Zählungen in mehreren Flüssen an der Nord- und Zentralküste von British Columbia. Ziel ist es, bis 2024 zuverlässige Echtzeit-Zähldaten bereitzustellen.
Mehr Informationen:
William I. Atlas et al., Zählung und Überwachung von Wildlachsen mittels Deep-Learning-gestützter Erkennung und Verfolgung, Grenzen in der Meereswissenschaft (2023). DOI: 10.3389/fmars.2023.1200408
Zur Verfügung gestellt vom Wild Salmon Center