文献

J-GLOBAL ID：202202288890227282   整理番号：22A0099285

深層学習を用いた着陸からの魚長と漁獲数の自動,操作,高分解能モニタリング【JST・京大機械翻訳】

Automatic, operational, high-resolution monitoring of fish length and catch numbers from landings using deep learning

著者 (4件)： Palmer Miquel (Institut Mediterrani d’Estudis Avancats (IMEDEA, CSIC-UIB), Esporles, C/Miquel Marques 21, 07190, Spain) ,  Alvarez-Ellacuria Amaya (Institut Mediterrani d’Estudis Avancats (IMEDEA, CSIC-UIB), Esporles, C/Miquel Marques 21, 07190, Spain) ,  Molto Vicenc (Spanish Institute of Oceanography (IEO), Centre Oceanografic de les Balears (COB), Ecosystem Oceanography Group (GRECO), Moll de Ponent s/n, 07015 Palma, Spain) ,  Catalan Ignacio A. (Institut Mediterrani d’Estudis Avancats (IMEDEA, CSIC-UIB), Esporles, C/Miquel Marques 21, 07190, Spain)
資料名： Fisheries Research  (Fisheries Research)
巻： 246  ページ： Null  発行年： 2022年 
JST資料番号： W1938A  ISSN： 0165-7836  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 形成された漁業管理決定は,魚陸と魚の長さの変動のような一次入力データを必要とする。これらのデータを得ることは,ほとんどの漁業における長さデータの場合である手によって行われるならば,費用がかかる。このコストはしばしばサンプルサイズの減少を意味し,それはバイアスを導入し,例えばボートレベルで情報損失をもたらす。漁業に適用された人工知能の最近のブーストは,ストックの評価と管理を改善する有望な方法である。地中海漁業で捕獲したイルカフィッシュ(Coryphaena hippurus)の数および平均フォーク長を,各ボートから各陸魚ボックスの分解能で自動的に推定する統計的モデルと結合した,深い畳み込みネットワーク(Mask R-CNN)を用いた操作システムを提示した。このシステムは,集中した魚オークションで自動的に収集した魚箱の画像上で動作した。統計モデルは,畳み込みネットワークを用いて非検出魚によるバイアスを補正し,魚の数とボックス重量からボックス中の魚の平均フォーク長を推定し,全漁季節中の漁業動力学の高分解能モニタリングを可能にした。システム予測を経験的に検証し,良好な精度と精度を示した。本システムを評価スキームに容易に組み込むことができた。このタイプのモニタリングシステムが漁業管理を改善する新しい機会をどのように開くかを論じた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ネットワーク ,  ボート ,  *着陸 ,  監視装置 ,  人工知能 ,  在庫量 ,  地中海 ,  統計模型 ,  バイアス ,  漁業 ,  *漁獲 ,  *高分解能
準シソーラス用語： 漁業管理 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  Coryphaena hippurus ,  地中海漁業 ,  フォーク長 ,  着陸 ,  評価

分類 (2件)： 魚類  (FH02020K) ,  漁労一般  (FH03010G)

タイトルに関連する用語 (5件)： 深層学習 ,  着陸 ,  漁獲 ,  高分解能 ,  モニタリング