View Project

Norwegian AI Directory

Computer vision to expand monitoring and accelerate assessment of coastal fish


Description:

Undervannskameraer blir økende grad brukt for å studere og overvåke fiskebestander i kystområder. Dette gir unik innsikt i artsmangfold og endringer i økosystemene, men er foreløpig avhengig av at erfarne marinbiologer identifiserer, måler og teller fisk manuelt, bilde for bilde. I prosjektet CoastVision vil vi anvende maskinlæring for å automatisere denne jobben. Et slik maskinsyn vil bli trent til å identifisere fisk ved hjelp av sine naturlige «strekkode», som er mønstre på huden eller kroppsfasong som er særegne for en art, kjønn og til og med individuelle fisk. Individuell identifisering er det mest innovative aspektet ved CoastVision og vil åpne nye muligheter for å individers atferd, vekst og overlevelse i deres naturlige habitat. CoastVision vil fokusere på kysttorsk og leppefisk, som er kommersielt viktige arter med komplekse men tydelige fargemønstre. Maskinsynet som utvikles vil anvendes på automatisk analyse av videostrømmer fra kystobservatorier og andre studier som bruker undervannskameraer. Slik automatisk overvåkning vil brukes til få en bedre forståelse av faktorene som påvirker bestandsdynamikken hos viktige kystarter. Videre vil maskinsynet brukes til å oppdage nye arter, som enten er klimaflyktninger fra sørligere strøk, eller innføres som en følge av mennesklig aktivitet. Klimaendringer og andre miljøutfordringer kan også medføre endret adferd hos fisk som vil kunne bli oppdaget raskere og mer presist med verktøyene som skal utvikles i CoastVision. Prosjektet er forventet å stimulere til at kamerabasert overvåking blir brukt i enda større grad enn idag, og integrert med maksinsyn vil dette revolusjonere vår evne til å observere, forstå og respondere på endringer i kystøkosystemene


Project leader: Howard I. Browman

Started: 2021

Ends: 2025

Category: Primærnæringsinstitutter

Sector: Instituttsektor

Budget: 12213990

Institution: HAVFORSKNINGSINSTITUTTET

Address: NA