Undervannskameraer blir økende grad brukt for å studere og overvåke fiskebestander i kystområder. Dette gir unik innsikt i artsmangfold og endringer i økosystemene, men er foreløpig avhengig av at erfarne marinbiologer identifiserer, måler og teller fisk manuelt, bilde for bilde.
I prosjektet CoastVision vil vi anvende maskinlæring for å automatisere denne jobben. Et slik maskinsyn vil bli trent til å identifisere fisk ved hjelp av sine naturlige «strekkoder», mønstre på huden eller kroppsfasong som er særegne for en art, kjønn og til og med individuelle fisk. Individuell identifisering er det mest innovative aspektet ved CoastVision og vil åpne nye muligheter for å følge individers atferd, vekst og overlevelse i deres naturlige habitat uten bruk av fysiske merker. CoastVision setter søkelys på kysttorsk, laks og leppefisk, som er økologisk og kommersielt viktige arter med komplekse men tydelige fargemønstre.
Maskinsynet som utvikles vil anvendes på automatisk analyse av videostrømmer fra kystobservatorier og andre studier som bruker undervannskameraer. Slik automatisk overvåkning vil brukes til få en bedre forståelse av faktorene som påvirker bestandsdynamikken hos viktige kystarter. Videre vil maskinsynet brukes til å oppdage nye arter, som enten er klimaflyktninger fra sørligere strøk, eller innføres som en følge av menneskelig aktivitet. Klimaendringer og andre miljøutfordringer kan også medføre endret adferd hos fisk, adferd som vil kunne bli oppdaget raskere og mer presist med verktøyene som skal utvikles i CoastVision.
Prosjektet har som mål at kamerabasert overvåking blir brukt i enda større grad enn i dag, og integrert med maskinsyn vil dette revolusjonere vår evne til å observere, forstå og respondere på endringer i kystøkosystemene.
CoastVision samarbeider med forskningsprosjektene ShareVision og ARVEN.
Havforskningsinstituttet (leder)
University of Trento
Virginia Tech
Swedish University of Agricultural Sciences
University of California Santa Cruz
University of Plymouth