簡化數據收集以改善鮭魚種群管理
麻省理工學院的助理教授Sara Beery正在利用自動化技術來改善對太平洋西北地區遷徙鮭魚的監測。Beery在麻省理工學院電機工程與計算機科學系任職，專注於生態挑戰。她的研究生涯圍繞著將計算機視覺、機器學習和數據科學的專業知識應用於保護和可持續性問題。Beery被麻省理工學院對“為地球計算”的承諾所吸引，並致力於將她的方法應用於全球範圍的環境和生物多樣性監測。
在太平洋西北地區，鮭魚對生態系統的健康影響極大，而它們複雜的繁殖需求引起了Beery的注意。每年，數百萬條鮭魚開始遷徙以產卵。它們的旅程始於淡水溪流的河床，幼鮭魚（新孵化的鮭魚）游向海洋，在那裡成熟為成魚。作為成魚，鮭魚返回出生的溪流產卵，確保物種的延續，並在河床的卵石中產卵。無論是雄性還是雌性鮭魚，在為下一代提供河流棲息地後不久便會死亡。
在遷徙過程中，鮭魚支持著它們經過的生態系統中的各種生物。例如，鮭魚將來自海洋的碳和氮等營養物質帶到上游，增加這些生態系統中的可用性。此外，鮭魚是許多捕食者和獵物關係中的關鍵：它們為熊、狼和鳥類等各種捕食者提供食物，同時通過捕食幫助控制其他種群的數量，如昆蟲。鮭魚死亡後，腐爛的鮭魚屍體也為周圍的生態系統補充了寶貴的營養。鮭魚的遷徙不僅維持了自身的物種，還在它們棲息的河流和海洋的整體健康中發揮了關鍵作用。
鮭魚種群在當地的經濟和文化中也扮演著重要角色。商業和休閒鮭魚漁業對當地經濟貢獻顯著。對於太平洋西北地區的許多土著人民來說，鮭魚擁有顯著的文化價值，因為它們在飲食、傳統和儀式中占據了核心地位。
監測鮭魚遷徙
隨著人類活動的增加，包括過度捕撈和水電發展，加上棲息地喪失和氣候變化，該地區的鮭魚種群受到重大影響。因此，對鮭魚漁業的有效監測和管理至關重要，以確保生態、文化和人類利益之間的平衡。準確計算鮭魚在季節性遷徙回到出生河流產卵的數量對於追蹤受威脅的種群、評估恢復策略的成功、指導捕魚季節的規範以及支持商業和休閒漁業的管理至關重要。精確的種群數據幫助決策者採取最佳策略，以保護生態系統的健康，同時兼顧人類需求。監測鮭魚遷徙是一項勞動密集且效率低下的工作。
Beery目前正在領導一個研究項目，旨在利用尖端的計算機視覺方法簡化鮭魚的監測。這個項目符合Beery更廣泛的研究興趣，專注於人工智能、自然界和可持續性之間的跨學科領域。該項目與漁業管理的相關性使其獲得了麻省理工學院阿卜杜勒·拉蒂夫·賈米爾水與食品系統實驗室（J-WAFS）的資助。Beery於2023年獲得的J-WAFS種子資助是她自加入麻省理工學院教職以來獲得的第一筆研究資金。
傳統上，監測工作依賴人類在河岸上用肉眼手動計數鮭魚。在過去的幾十年中，水下聲納系統已被用來幫助計數鮭魚。這些聲納系統本質上是水下攝像機，但它們使用聲學而非光傳感器來捕捉魚的存在。使用這種方法需要人們在河邊搭建帳篷，根據連接到筆記本電腦的聲納攝像機的輸出來計數鮭魚。儘管這一系統比最初的肉眼監測方法有所改善，但仍然在很大程度上依賴人力，且是一項艱巨且耗時的過程。
自動化鮭魚監測對於更好地管理鮭魚漁業是必要的。“我們需要這些技術工具，”Beery表示。“如果沒有某種形式的自動化，我們無法跟上監測、理解和研究我們所工作的這些非常複雜的生態系統的需求。”
為了自動計數太平洋西北地區的遷徙鮭魚，項目團隊，包括EECS的博士生Justin Kay，已經在不同河流中收集了來自聲納攝像機的視頻數據。團隊對數據的一部分進行了標註，以訓練計算機視覺系統，自動檢測和計數遷徙中的魚類。Kay描述了模型如何計數每條遷徙魚的過程：“計算機視覺算法旨在定位畫面中的魚，為其畫一個框，然後隨時間跟踪它。如果在畫面的一側檢測到一條魚，並且它從畫面的另一側離開，那麼我們就將其計數為向上游移動。”在團隊為系統創建訓練數據的河流中，計數誤差僅為3%至5%。這一數字遠低於團隊和合作夥伴所設定的目標，即計數誤差不超過10%。
測試和部署：平衡人力與自動化的使用
研究人員的技術正在部署到新近修復的克拉馬斯河以監測鮭魚的遷徙。該河流上四座大壩最近被拆除，這使其成為美國歷史上最大的拆壩工程。在長達20多年的抗議活動後，這些大壩的拆除是由克拉馬斯部落主導，並與科學家、環保組織和商業漁民合作完成的。大壩拆除後，240英里的河流現在自由流動，近800平方英里的棲息地對鮭魚開放。Beery指出，克拉馬斯河的鮭魚種群幾乎立即開始再生：“我認為在大壩拆除的八天內，他們就開始看到鮭魚實際上向上游遷徙。”團隊目前正在與加州鱒魚公司合作，處理新的數據，以適應並創建一個定制模型，然後部署以幫助計數新遷徙的鮭魚。
系統面臨的一個挑戰是訓練模型以準確計數在不同環境中的魚，這些環境具有河床特徵、水的清晰度和光照條件等變化。這些因素可能會顯著改變魚在聲納攝像機輸出中的外觀，並使計算機模型感到困惑。當在未收集過數據的新河流中部署系統時，如克拉馬斯河，系統的性能會下降，誤差範圍會顯著增加到15%至20%。
研究人員在系統中構建了一種自動適應算法，以克服這一挑戰，創建一個可擴展的系統，可以在沒有人工干預的情況下部署到任何地點。這種自我初始化技術能夠自動校準新條件和環境，以準確計數遷徙中的魚。在測試中，自動適應算法能夠將計數誤差降低到10%至15%的範圍。自我初始化功能的計數誤差改進意味著該技術更接近於在新地點部署，而無需額外的人力。
實現實時管理的“Fishbox”
研究團隊面臨的另一挑戰是開發高效的數據基礎設施。為了運行計算機視覺系統，聲納攝像機產生的視頻必須通過雲端傳輸或手動將硬盤從河流現場郵寄到實驗室。這些方法存在顯著缺陷：基於雲的方式因偏遠河流現場缺乏互聯網連接而受到限制，而運送數據則引入了延遲問題。
團隊取而代之的是實施了一種高效能的計算機，名為“Fishbox”，可在現場進行處理。Fishbox由一台小巧輕便的計算機和優化軟件組成，漁業管理者可以將其插入現有的筆記本電腦和聲納攝像機中。該系統能夠在聲納現場直接運行鮭魚計數模型，而無需互聯網連接。這使得管理者能夠做出逐小時的決策，支持對鮭魚種群的更快速和實時的管理。
社區發展
團隊還在努力圍繞太平洋西北地區的鮭魚漁業管理建立一個社區。“能夠讓熱衷於獲取我們技術的利益相關者參與進來，讓我們的技術運作，並與他們進行更緊密的合作，真是一件令人振奮的事，”Beery表示。“我認為，尤其是在食品和水系統的工作中，需要直接合作來促進影響，因為這樣可以確保我們所開發的東西實際上能夠滿足我們幫助支持的人和組織的需求。”
在今年六月，Beery的實驗室在西雅圖組織了一次研討會，召集了非政府組織、部落以及州和聯邦的魚類和野生動物部門，共同討論使用自動聲納系統來監測和管理鮭魚種群。Kay指出，這次研討會是“每個人分享他們使用聲納的不同方式的絕佳機會，並思考我們正在構建的自動化方法如何適應這一工作流程。”討論現在通過團隊創建的共享Slack頻道繼續進行，參與者超過50人。召集這個小組是一項重大成就，因為許多組織原本無法有機會聚在一起合作。
展望未來
隨著團隊持續調整計算機視覺系統、完善技術並與各類利益相關者（從土著社區到漁業管理者）進行交流，該項目有望顯著改善該地區鮭魚監測和管理的效率和準確性。隨著Beery推進她的麻省理工學院小組的工作，J-WAFS種子資助正在幫助她關注漁業管理等挑戰。
“J-WAFS種子資助的存在使我們能夠在搬到這裡後繼續這個項目，”Beery評論道，“它還擴大了項目的範圍，讓我們能夠持續進行積極的合作，我認為這是一個非常重要和有影響力的項目。”
隨著J-WAFS在今年慶祝十週年，該計劃旨在繼續支持和鼓勵麻省理工學院的教職工追求創新項目，旨在推進知識並創造對全球水和食品系統挑戰的實際解決方案。
—
這篇文章突顯了科技在生態保護中的重要性，特別是在面對環境挑戰的情況下。Beery和她的團隊不僅在技術上進行創新，還在社區合作中展現了強烈的責任感和使命感。這種跨學科的合作方式不僅能提高鮭魚監測的效率，還能促進不同社區之間的理解和合作，讓科技真正服務於自然和人類社會的可持續發展。這樣的研究模式應該在其他環境保護項目中得到更廣泛的應用，因為只有透過合作和創新，我們才能有效應對面臨的生態危機。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
