簡化數據收集以改善鮭魚族群管理 | MIT新聞

薩拉·比瑞（Sara Beery）在麻省理工學院的研究

薩拉·比瑞（Sara Beery）來到麻省理工學院（MIT）擔任電機工程與計算機科學系（EECS）的助理教授，專注於生態挑戰。她的研究生涯圍繞著將計算機視覺、機器學習和數據科學的專業知識應用於保護和可持續性等現實問題。比瑞被麻省理工學院對「為地球計算」的承諾所吸引，並希望將她的方法應用於全球環境和生物多樣性監測。

太平洋西北的鮭魚

在太平洋西北地區，鮭魚對生態系統的健康有著重要影響，而它們複雜的繁殖需求吸引了比瑞的注意。每年，數百萬條鮭魚會開始遷徙以產卵。它們的旅程始於淡水溪流的河床，卵子在那裡孵化。年輕的鮭魚（剛孵化的鮭魚）會游向海洋，在那裡成熟為成年鮭魚。成年鮭魚會返回出生的溪流產卵，確保物種的延續，將卵子放在河床的卵石中。雄性和雌性鮭魚在為下一代提供河流棲息地後不久就會死亡。

鮭魚的生態角色

在遷徙過程中，鮭魚支持著它們經過的生態系統中的各種生物。例如，鮭魚將來自海洋的碳和氮等養分帶到上游，增加了這些生態系統中養分的可用性。此外，鮭魚是許多捕食者和獵物關係的關鍵：它們是熊、狼和鳥類等各種捕食者的食物來源，同時通過捕食幫助控制其他物種的數量，如昆蟲。鮭魚在死亡後，其腐爛的屍體也為周圍的生態系統補充了寶貴的養分。鮭魚的遷徙不僅維持了自身物種的生存，還在它們棲息的河流和海洋的整體健康中扮演著重要角色。

經濟和文化的重要性

同時，鮭魚的數量在該地區的經濟和文化中也扮演著重要角色。商業和休閒鮭魚捕撈對當地經濟貢獻良多。對於太平洋西北的許多原住民來說，鮭魚具有重要的文化價值，因為它們在飲食、傳統和儀式中占有中心地位。

監測鮭魚遷徙

人類活動的增加，包括過度捕撈和水力發電的開發，加上棲息地的喪失和氣候變化，對該地區的鮭魚數量產生了重大影響。因此，有效的鮭魚捕撈監測和管理對於確保生態、文化和人類利益之間的平衡至關重要。準確計算鮭魚在產卵季節遷徙到出生河流的數量，對於追蹤受威脅的鮭魚數量、評估恢復策略的成功、指導捕魚季節的規範以及支持商業和休閒捕撈的管理都是必不可少的。準確的人口數據幫助決策者採取最佳策略，以保護生態系統的健康，同時滿足人類的需求。監測鮭魚遷徙是一項勞動密集且效率低下的工作。

比瑞的研究項目

比瑞目前正在領導一個研究項目，旨在利用尖端的計算機視覺方法來簡化鮭魚的監測。這個項目符合比瑞更廣泛的研究興趣，專注於人工智慧、自然世界和可持續性之間的跨學科領域。這項研究與漁業管理的相關性使其獲得了麻省理工學院阿卜杜勒·拉蒂夫·賈米爾水與食品系統實驗室（J-WAFS）的資助。比瑞在2023年獲得的J-WAFS種子資助是她自加入麻省理工學院以來獲得的第一筆研究資金。

傳統監測方法的挑戰

歷史上，監測工作依賴人類在河岸上用肉眼手動計算鮭魚。在過去幾十年中，水下聲納系統被用來幫助計算鮭魚。這些聲納系統本質上是水下攝像機，但它們使用聲音而不是光傳感器來捕捉魚的存在。使用這種方法需要人們在河邊搭建帳篷，根據連接到筆記本電腦的聲納攝像機的輸出來計算鮭魚。雖然這個系統比傳統的肉眼監測方法有所改善，但仍然在很大程度上依賴人力，並且是一個艱巨且耗時的過程。

自動化鮭魚監測的必要性

自動化鮭魚監測對於更好地管理鮭魚捕撈至關重要。「我們需要這些技術工具，」比瑞說。「如果沒有某種形式的自動化，我們無法跟上監測、理解和研究這些非常複雜的生態系統的需求。」

數據收集與模型訓練

為了自動計算太平洋西北地區遷徙鮭魚的數量，項目團隊，包括EECS的博士生賈斯丁·凱（Justin Kay），已經在不同的河流中收集了來自聲納攝像機的視頻數據。團隊對一部分數據進行標註，以訓練計算機視覺系統，自動檢測和計算遷徙的魚。凱描述了模型如何計算每條遷徙魚的過程：「計算機視覺算法旨在定位畫面中的魚，畫一個框圍住它，然後隨時間追蹤它。如果在屏幕的一側檢測到魚，並在屏幕的另一側離開，那麼我們就計算它向上游移動。」在團隊為系統創建訓練數據的河流中，它的結果非常好，只有3%到5%的計算錯誤。這遠低於團隊和合作夥伴設定的目標，即不超過10%的計算錯誤。

測試與部署：平衡人力與自動化

研究人員的技術正在部署於新近恢復的克拉馬斯河（Klamath River）以監測鮭魚的遷徙。該河的四座大壩最近被拆除，成為美國歷史上最大的拆壩項目。在克拉馬斯部落與科學家、環保組織和商業漁民的合作下，這項拆除工作經過了20多年的運動。大壩拆除後，240英里的河流現在自由流動，近800平方英里的棲息地對鮭魚開放。比瑞指出克拉馬斯河鮭魚數量幾乎立即恢復：「我認為在大壩拆除後的八天內，他們就開始看到鮭魚實際上向上游遷徙。」在與加州鱒魚（California Trout）的合作中，團隊目前正在處理新數據，以適應並創建一個定制模型，然後部署以幫助計算新遷徙的鮭魚。

面臨的挑戰

系統面臨的一個挑戰是如何在不熟悉的環境中準確計算魚的數量，這些環境可能有不同的河床特徵、水的清澈度和光照條件。這些因素會顯著改變魚在聲納攝像機輸出中的外觀，並使計算機模型感到困惑。在新河流中部署時，系統的性能會下降，錯誤範圍大幅增加到15%到20%。

自動適應算法的開發

研究人員在系統中構建了一個自動適應算法，以克服這一挑戰，並創建一個可擴展的系統，可以在沒有人工干預的情況下部署到任何地點。這種自我初始化的技術可以自動校準新條件和環境，以準確計算遷徙的魚。在測試中，自動適應算法能夠將計算錯誤降低到10%到15%的範圍。自我初始化功能的計算錯誤改善意味著這項技術更接近於在新地點部署，而不需要太多額外的人力。

實時管理與「魚盒子」

研究團隊面臨的另一個挑戰是開發高效的數據基礎設施。為了運行計算機視覺系統，聲納攝像機產生的視頻必須通過雲端或手動將硬碟從河流地點郵寄到實驗室。這些方法有明顯的缺點：基於雲的方式因偏遠河流地點缺乏網絡連接而受到限制，而運送數據則會引入延遲問題。

團隊實施了一種節能的計算機，稱為「魚盒子」（Fishbox），可以在現場進行處理。「魚盒子」由一台小型輕便的計算機和優化的軟件組成，漁業管理人員可以將其插入現有的筆記本電腦和聲納攝像機中。該系統能夠直接在聲納現場運行鮭魚計算模型，而無需網絡連接。這使得管理人員能夠逐小時做出決策，支持對鮭魚數量的更快速、實時的管理。

社區發展

團隊還在努力促進太平洋西北地區鮭魚捕撈管理的社區發展。「能夠讓熱衷於獲取我們技術的利益相關者參與進來，真是令人興奮，」比瑞說。「特別是在處理食品和水系統時，直接合作有助於促進影響，因為你確保你所開發的東西實際上滿足你所支持的人和組織的需求。」

今年六月，比瑞的實驗室在西雅圖舉辦了一個研討會，召集了非政府組織、部落以及州和聯邦的魚類和野生動物部門，討論使用自動聲納系統來監測和管理鮭魚數量。凱指出，這次研討會是「一次很棒的機會，讓大家分享他們使用聲納的不同方式，並思考我們正在構建的自動化方法如何融入這一工作流程。」目前的討論通過團隊創建的共享Slack頻道繼續進行，參與者超過50人。召集這個團體是一項重要成就，因為許多這些組織本來不會有機會聚在一起合作。

展望未來

隨著團隊繼續調整計算機視覺系統、完善技術並與各種利益相關者（從原住民社區到漁業管理者）互動，該項目有望顯著提高該地區鮭魚監測和管理的效率和準確性。隨著比瑞推進她在麻省理工學院小組的工作，J-WAFS種子資助幫助她專注於漁業管理等挑戰。

比瑞表示：「J-WAFS種子資助的存在使我們能夠在搬到這裡時繼續這個項目，」並補充說：「它還擴大了項目的範圍，讓我們能夠保持積極合作，這是一個非常重要且有影響力的項目。」

隨著J-WAFS在今年慶祝其10週年，該計劃旨在繼續支持和鼓勵麻省理工學院的教職員追求創新的項目，旨在推進知識並創造對全球水和食品系統挑戰的實際解決方案。