論文の概要: Automated high-frequency quantification of fish communities and biomass using computer vision
- arxiv url: http://arxiv.org/abs/2605.10449v1
- Date: Mon, 11 May 2026 12:20:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.800048
- Title: Automated high-frequency quantification of fish communities and biomass using computer vision
- Title（参考訳）: コンピュータビジョンによる魚類群集とバイオマスの自動定量化
- Authors: Kota Ishikawa, Takuma Masui, Keita Koeda, Rickdane Gomez, Lucas Yutaka Kimura, Michio Kondoh,
- Abstract要約: 我々は,コンピュータビジョンを用いた水中映像から魚類群集を定量化するフレームワークを開発した。
このフレームワークは、カスタムメイドのステレオカメラシステムで取得したビデオを利用して、深層学習に基づく魚の識別、多目的追跡、そして3D再構成を統合する。
種組成の変化に伴う種多様性, 多量性, バイオマスの動的変動を明らかにするため, 日中観測による20日間のサンゴ礁の魚類群集にアプローチを適用した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantifying fish community structure is essential for understanding biodiversity and ecosystem responses in a changing environment, yet existing survey methods provide limited high-frequency, quantitative observations. Conventional approaches, including catch-based methods, underwater visual censuses, and environmental DNA metabarcoding, either require intensive labor or lack reliable estimates of abundance and biomass. Here, we develop an automated framework for quantifying fish communities from underwater video using computer vision. Using videos acquired with a custom-made stereo camera system, the framework integrates deep learning-based fish identification, multi-object tracking, and 3D reconstruction to estimate species-level abundance and biomass. We applied the approach to a reef fish community over a 20-day period with hourly daytime observations, revealing dynamic fluctuations in species richness, abundance, and biomass associated with changes in species composition. By comparing fish communities estimated from visual census and environmental DNA surveys, we demonstrate that our method provides complementary strengths for continuous, non-invasive, and quantitative monitoring of consistently observed species. This approach provides a scalable foundation for long-term monitoring and advances the capacity to resolve fine-scale temporal dynamics in fish communities.
- Abstract（参考訳）: 魚類群集の構造の定量化は生物多様性と生態系の応答の変動を理解するのに不可欠であるが、既存の調査手法では、高頻度で定量的な観察が限られている。
キャッチベースの方法、水中の視覚的国勢調査、環境DNAメタバーコードなど、従来のアプローチでは、集中的な労働を必要とするか、あるいは豊富な量とバイオマスの信頼できない。
そこで我々は,コンピュータビジョンを用いた水中映像から魚類群集を定量化するフレームワークを開発した。
このフレームワークは、カスタムメイドのステレオカメラシステムで取得したビデオを利用して、深層学習に基づく魚の識別、多目的追跡、および3D再構成を統合し、種レベルの存在量とバイオマスを推定する。
種組成の変化に伴う種多様性, 多量性, バイオマスの動的変動を明らかにするため, 20日間にわたって日中観測を行い, 魚類群集にアプローチを適用した。
環境DNA調査と視覚調査から推定した魚類群集を比較して, 連続的, 非侵襲的, 定量的な観察を行うために, 本手法が相補的な強度を提供することを示した。
このアプローチは、長期監視のためのスケーラブルな基盤を提供し、魚類群集の微細な時間的ダイナミクスを解決する能力を向上させる。
関連論文リスト
- UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding [54.16709436340606]
視覚言語モデル(VLM)は自然界の理解において顕著な成功を収めた。
水中画像は、厳しい光の減衰、色歪み、懸濁粒子散乱などの固有の課題を呈している。
水中視覚言語理解のためのベンチマークであるUWBenchを紹介する。
論文 参考訳（メタデータ） (2025-10-21T03:32:15Z) - DEEP-SEA: Deep-Learning Enhancement for Environmental Perception in Submerged Aquatics [5.543187582839764]
継続的で信頼性の高い水中モニタリングは、海洋生物多様性の評価、生態学的変化の検出、自律探査に不可欠である。
水中環境は、光散乱、吸収、濁度により、画像の明瞭度を低下させ、色情報を歪ませることによる重要な課題を呈している。
空間構造を保存しながら低周波情報と高周波情報を両立させる深層学習に基づく水中画像復元モデルDEEP-SEAを提案する。
論文 参考訳（メタデータ） (2025-08-18T11:07:26Z) - A computer vision method to estimate ventilation rate of Atlantic salmon in sea fish farms [0.18807755325664796]
我々はアトランティック・サーモン(サルモ・サラー)の換気率を監視するコンピュータビジョン法を開発した。
本手法では, 魚頭検出モデルを用いて, 口の状態を畳み込みニューラルネットワークを用いて, 開閉状態に分類する。
魚が呼吸障害の徴候を示すペンを正確に同定することにより,魚の健康や福祉のモニタリングをフィンフィッシュ養殖に転換する可能性や適用性を高めることができる。
論文 参考訳（メタデータ） (2025-04-28T12:13:57Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores [3.2873782624127834]
我々は2010年から2017年にかけてアゾレス諸島の漁獲データ収集プログラムのユニークなデータセットに焦点を当てた。
ドメイン知識と機械学習を利用して,魚の上陸毎にメティア関連情報を検索し,関連づける。
論文 参考訳（メタデータ） (2023-09-17T17:17:38Z) - Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。
我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。
機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文 参考訳（メタデータ） (2023-02-14T05:25:03Z) - How to Track and Segment Fish without Human Annotations: A Self-Supervised Deep Learning Approach [3.0516727053033392]
魚の追跡とセグメンテーションのためのディープニューラルネットワーク(DNN)のトレーニングには、高品質なラベルが必要である。
本研究では,映像データの空間的・時間的変動に依存する教師なしの手法を提案する。
本フレームワークは,(1) フレーム間の空間的・時間的整合性を利用して擬似ラベルを生成する光学フローモデル,(2) 擬似ラベルを漸進的に洗練する自己教師型モデル,(3) 分割ネットワークの3段階からなる。
論文 参考訳（メタデータ） (2022-08-23T01:01:27Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。