利用计算机视觉增强公民科学在鱼类监测中的应用

每年春天，河鲱从马萨诸塞州沿海迁徙至淡水产卵地。

河鲱种群在过去几十年中急剧下降，迁徙情况受到广泛监测。

研究人员利用水下视频和计算机视觉技术来提高鱼类计数的效率和数据质量。

传统监测方法受限于时间、环境条件和劳动强度。

研究团队建立了一个端到端的自动化系统，实现了计算机视觉驱动的鱼类计数。

视频数据来自马萨诸塞州的三条河流，确保计算机视觉模型在多种现实场景中可靠工作。

研究表明，基于多地点和多年的数据训练的模型表现最佳，提供了高分辨率的鱼类计数。

系统揭示了迁徙行为、时间和与环境因素相关的运动模式。

研究旨在推动计算机视觉在渔业管理中的应用，并为保护工作提供框架和最佳实践。

传统监测仍然重要，以保持长期数据集的一致性，计算机视觉和公民科学应互为补充。

研究得到了MIT海洋资助的支持，并获得了其他机构的资助。