Умные сети помогают сократить прилов при промысле минтая

Для оценки эффективности систем снижения прилова ученые использовали модель глубокого обучения, которая позволяет обнаруживать и классифицировать объекты на видео быстрее, чем это может сделать человек. 

Это позволило исследователям из Аляскинского научного центра рыболовства частично автоматизировать процесс просмотра видео, передаваемого с орудий лова, для обнаружения и идентификации минтая и лосося в рыболовных сетях, а также для наблюдения за поведением рыб, что позволяет улучшить работу устройств снижения прилова.

Машинное зрение помогает ученым значительно сократить время на изучение видеоматериалов, которых становится все больше с появлением доступных систем видеоконтроля в рыболовных сетях.

«Нам удалось обучить общедоступную модель обнаружения объектов на основе глубокого обучения для распознавания лосося и минтая. Эти модели экономят нам массу времени. Они могут обрабатывать данные о рыболовных тралениях за считанные часы. Людям потребовались бы дни или даже недели, чтобы проанализировать те же данные», — пояснила Кэтрин Уилсон, руководитель исследования и учёный-физик из Научного центра рыболовства Аляски при NOAA.

Искусственный интеллект становится одной из главных движущих сил технологического развития рыбной отрасли. Ранее АСРФ уже писала о том, какие промысловые задачи берут на себя системы ИИ в разных странах.

Обращаем внимание, что эту тему планируют подробно обсудить 22 октября на круглом столе «Искусственный интеллект: новые возможности для рыбной отрасли» в рамках Международного рыбопромышленного форума (VIII Global Fishery Forum & Seafood Expo Russia).

Источник: АСРФ