Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Automatisierte Alterslesung bei Fischen und Analyse von Wachstumsmustern mit Hilfe von Deep Learning
Projekt
Förderkennzeichen: TI-SF-08-PID2362
Laufzeit: 01.03.2021
- 28.02.2024
Forschungszweck: Experimentelle Forschung
In den letzten Jahren hat der Einsatz von künstlicher Intelligenz in verschiedenen Disziplinen massiv zugenommen. Kann diese Technologie auch in der Fischereiwissenschaft Anwendung finden? Diese Frage soll ein Promotionsprojekt klären.
Für die Bestandsabschätzung von Fischen sind wir auf die Bestimmung des Alters der analysierten Tiere angewiesen, um wichtige Trends und Parameter wie Wachstums- und Sterblichkeitsraten abzuleiten. Die am weitesten akzeptierte Methode hat ihre Wurzeln in der Dendrochronologie, mit der das Alter eines Baumes durch das Zählen der Ringe im Stammquerschnitt ermittelt wird. In gleicher Weise kann das Alter von Fischen durch die Aufbereitung ihrer Gehörsteine, der sogenannten Otolithen, abgeleitet werden. Zur Veranschaulichung des manuellen Altersleseprozesses zeigt die Abbildung 1 ein Bild eines Otolithen, bei dem das Alter auf fünf Jahre geschätzt wurde. Um die Methode genauer und weniger anfällig für subjektive Fehler zu machen, durchlaufen die Altersleserinnen und -leser jahrelange Schulungen mit dem Ziel, eine Über- oder Unterschätzung des Fischalters zu verhindern. Dies kann ansonsten nachteilige Auswirkungen auf die Bewirtschaftung der Fischbestände haben. Wegen der subjektiven und logistischen Einschränkungen dieser konventionellen Methode ist es an der Zeit, die Fortschritte der Künstlichen Intelligenz (KI) zu nutzen und verschiedene Deep-Learning-Algorithmen einzusetzen, um objektive Schätzungen des Fischalters aus Otolithenbildern zu erhalten.
Abschnittsübersicht
Fachgebiete
- Seefischerei
- Verfahrenstechnik