論文の概要: Locating and measuring marine aquaculture production from space: a computer vision approach in the French Mediterranean
- arxiv url: http://arxiv.org/abs/2406.13847v1
- Date: Wed, 19 Jun 2024 21:19:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 18:15:51.688645
- Title: Locating and measuring marine aquaculture production from space: a computer vision approach in the French Mediterranean
- Title（参考訳）: 宇宙からの海洋養殖生産の立地と測定--フランス地中海におけるコンピュータビジョンのアプローチ
- Authors: Sebastian Quaade, Andrea Vallebueno, Olivia D. N. Alcabes, Kit T. Rodolfa, Daniel E. Ho,
- Abstract要約: 航空画像と衛星画像から海洋養殖用ケージを識別するコンピュータビジョンモデルを訓練する。
2000-2021年にフランス地中海のフィンフィッシュ生産地の空間的明らかなデータセットを生成した。
- 参考スコア（独自算出の注目度）: 3.5300935402570395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aquaculture production -- the cultivation of aquatic plants and animals -- has grown rapidly since the 1990s, but sparse, self-reported and aggregate production data limits the effective understanding and monitoring of the industry's trends and potential risks. Building on a manual survey of aquaculture production from remote sensing imagery, we train a computer vision model to identify marine aquaculture cages from aerial and satellite imagery, and generate a spatially explicit dataset of finfish production locations in the French Mediterranean from 2000-2021 that includes 4,010 cages (69m2 average cage area). We demonstrate the value of our method as an easily adaptable, cost-effective approach that can improve the speed and reliability of aquaculture surveys, and enables downstream analyses relevant to researchers and regulators. We illustrate its use to compute independent estimates of production, and develop a flexible framework to quantify uncertainty in these estimates. Overall, our study presents an efficient, scalable and highly adaptable method for monitoring aquaculture production from remote sensing imagery.
- Abstract（参考訳）: 水生植物や動物を栽培する水産栽培は1990年代以降急速に成長してきたが、少なからぬ自己報告と集約された生産データによって、産業の動向や潜在的なリスクの効果的な理解とモニタリングが制限されている。
リモートセンシング画像から水産生産を手動で調査した結果、空中および衛星画像から海産養殖ケージを識別するコンピュータビジョンモデルを訓練し、2000-2021年にフランス地中海で4,010頭(平均ケージ面積69m2)のフィンフィッシュ生産場所の空間的明示的なデータセットを生成した。
本手法は,水産調査の速度と信頼性を向上させるとともに,研究者や規制当局の下流分析を可能にするため,適応が容易で費用対効果の高い手法として,本手法の価値を実証する。
本稿では、生産の独立推定を計算し、これらの推定の不確かさを定量化するための柔軟なフレームワークを開発する。
本研究は, リモートセンシング画像から水産生産をモニタリングするための, 効率的でスケーラブルで高度に適応可能な手法を提案する。
関連論文リスト
- Precision Aquaculture: An Integrated Computer Vision and IoT Approach for Optimized Tilapia Feeding [1.9198713957364215]
伝統的な魚の養殖は効率の悪さを招き、環境問題や生産性を低下させる。
我々はコンピュータビジョンとIoT技術を組み合わせて、ティラピアの正確な給餌を行う革新的なシステムを開発した。
予備推計では、従来の農場に比べて58倍の増産が期待されている。
論文 参考訳（メタデータ） (2024-09-13T10:27:27Z) - Multifidelity digital twin for real-time monitoring of structural dynamics in aquaculture net cages [1.124958340749622]
デジタルツイン技術は水産産業を前進させることができるが、その採用は限られている。
フレキシブルな浮体構造である魚網ケージは、養殖農場の重要かつ脆弱な構成要素である。
本研究では,水生生物網の構造動態をリアルタイムにモニタリングするデジタルツインへの統合のための多要素代理モデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-06T21:26:30Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - Towards The Creation Of The Future Fish Farm [3.8176219403982126]
魚の養殖環境は、管理された環境の中で魚介類の世話と管理を支援する。
このセクターでは、効率を高めるために新しい技術が常に実装されている。
本研究は,将来の養殖施設の効率性と利用性を示す概念実証である。
論文 参考訳（メタデータ） (2023-01-02T21:41:06Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳（メタデータ） (2022-10-10T17:37:56Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z) - Spatial Distribution Patterns of Clownfish in Recirculating Aquaculture
Systems [0.4893345190925178]
水族館で飼育されている幼魚の空間分布状況と行動パターンを効率的に解析する手法を提案する。
推定変位は、分散と速度を評価する上で重要な要素である。
水族館で飼育されている幼魚の2日間のビデオストリームを含むデータベース上でシステム設計をテストする。
論文 参考訳（メタデータ） (2021-12-29T11:39:56Z) - Seeing biodiversity: perspectives in machine learning for wildlife
conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。
本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文 参考訳（メタデータ） (2021-10-25T13:40:36Z) - Tuna Nutriment Tracking using Trajectory Mapping in Application to
Aquaculture Fish Tank [0.0]
タンク内の魚の状態を推定し、栄養素の量を調整することは、魚の給餌システムのコスト管理に重要な役割を担っている。
本手法は,養殖魚養殖場から採取したビデオの栄養状態の追跡に基づく。
論文 参考訳（メタデータ） (2021-03-10T06:02:19Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。