Biomassa Schattingsgegevens Pipeline (Camera en Machine Learning)

Een op camera gebaseerde biomassaberekeningspipeline maakt onderwater- of in-tank beelden of stereo-video van vissen of garnalen, verwerkt deze door een getraind machinelearningmodel dat individuele dieren detecteert, hun lengte of lichaamsomtrek schat, en dit omzet in een geschat gewicht met behulp van een soortspecifieke lengte-gewichtrelatie, en aggregeert vervolgens duizenden individuele schattingen tot een populatieniveau-biomassacijfers zonder dat fysiek omgaan met of samendrukken van de voorraad nodig is. De nauwkeurigheid van de pijplijn hangt af van verschillende samenwerkende factoren: beeldkwaliteit (troebelheid en verlichting beïnvloeden de detectienauwkeurigheid direct), de representativiteit van de trainingsdataset voor de werkelijke gekweekte populatie (een model dat is getraind op één soort of maatbereik neemt af in nauwkeurigheid wanneer het buiten dat bereik wordt toegepast), en de bemonsteringsstrategie, aangezien zelfs een zeer nauwkeurige schatting per vis een bevooroordeelde populatieschatting oplevert als het gezichtsveld van de camera systematisch bepaalde maatklassen of tankzones meer bemonstert dan andere. De geschatte biomassa-output voedt direct berekeningen van voerrantsoen en het bijhouden van groeisnelheden, waardoor de calibratie van de pijplijn en voortdurende validatie van de nauwkeurigheid, door periodiek schattingen te controleren met daadwerkelijke oogst- of steekproefgegevens, een operationele noodzaak is in plaats van een eenmalige insteltaak, aangezien modelafwijking naarmate een populatie ouder wordt of wateromstandigheden veranderen een gedocumenteerde faalmode is als deze niet wordt gemonitord.