Comment Utiliser L'algorithme De La Forêt Aléatoire Pour Engraisser Un Groupe De Poissons En Haute Mer
Les amis qui aiment le sashimi ont sûrement entendu parler du Yellowtail Kingfish.Dans les restaurants, la sériole à queue jaune est souvent appelée croaker à queue jaune ou sériole à queue jaune.
Ce gros poisson des profondeurs a une chair dense, est riche en oméga-3, n'a pas d'odeur de poisson et a un excellent goût. Il est considéré comme un plat de sashimi de premier ordre. Le prix de la sériole à queue jaune sauvage est resté élevé en raison de facteurs tels que la courte saison de pêche et la difficulté de la pêche.
Comment engraisser et maintenir la vie marine en bonne santé
La sériole à queue jaune pousse rapidement, mais les populations sauvages sont petites, ce qui rend la pêche commerciale difficile. Avec le développement de la technologie de l’aquaculture marine, le thazard à queue jaune peut également être cultivé pour répondre à la demande croissante des consommateurs.
Pour l'aquaculture marine,Comment comprendre pleinement les habitudes de vie et les caractéristiques de frai de la sériole à queue jaune et protéger les sérioles à queue jaune matures de manière ciblée, devenant la clé pour améliorer l’efficacité et la rentabilité de la production d’élevage.
Ils sont extrêmement intelligents et la pêche en mer et leur capture sont très difficiles.
Le thazard à queue jaune est un poisson qui migre périodiquement au gré des saisons et des changements de température. On le trouve principalement dans les eaux des récifs rocheux au large des côtes de mon pays, du Japon, de la péninsule coréenne et de l'Australie.
Au cours de la dernière décennie, grâce au développement des équipements d’observation, le domaine du suivi biologique a fait des progrès significatifs et de nombreuses avancées ont été réalisées dans la surveillance à distance des espèces.De plus en plus d’observations et de collectes de données sur le comportement des organismes marins commencent à utiliser des accéléromètres à trois axes à grande échelle.
Surveillance des déplacements des requins à pointes noires
L'accéléromètre à trois axes mesure l'accélération de trois axes.Il peut générer des séries chronologiques décrivant les mouvements et les activités biologiques, puis déduire le comportement animal en fonction des caractéristiques d'accélération dans l'environnement.
De plus, les données de l’accélérateur peuvent être combinées avec des données spatio-temporelles (profondeur, localisation géographique, saison, etc.) pour l’analyse.Déterminer les comportements écologiquement importants tels que le frai et l’alimentation.
La quantité de données collectées par l'accéléromètre à trois axes est énorme, pouvant atteindre des millions de lignes (y compris l'accélération, la position du corps, etc.), un système d'analyse semi-automatique est donc nécessaire pour classer le comportement biologique.
Le comportement de déplacement du thazard à queue jaune est également très complexe, avec une vitesse moyenne de 30 à 40 kilomètres par heure. Il peut même accélérer jusqu'à plus de 100 kilomètres par heure en un instant lorsqu'il poursuit une proie. Ce genre d'« explosion » soudaine du comportement de Gao Zhenfu,Cela a entravé le développement de la technologie d’analyse automatisée.
L'apprentissage automatique est utile pour les données biologiques complexes
Face à une grande quantité de données spatio-temporelles multidimensionnelles et complexes incluant la vitesse de déplacement, le temps, la profondeur, la localisation géographique, etc.L’apprentissage automatique est devenu le premier choix des chercheurs scientifiques.
Thomas Clarke, doctorant à la Faculté des sciences et de l'ingénierie de l'Université Flinders,Sur la base de 624 heures de données d'accélérateur provenant de six thazards à queue jaune d'élevage pendant leur période de frai, un algorithme d'apprentissage automatique de forêt aléatoire a été formé pour identifier cinq comportements différents des thazards à queue jaune (nage, alimentation, blessure, évasion et parade nuptiale).
Thomas Clarke (à droite)
Il s’agit de la première étude à utiliser l’apprentissage automatique pour identifier le comportement de frai du thazard à queue jaune sauvage.Cela revêt une grande importance pour l’utilisation de l’IA afin de mieux comprendre les schémas de reproduction des poissons des grands fonds.
Dans cette étude, Thomas Clarke et ses collègues ont caractérisé et quantifié le comportement du thazard à queue jaune d’élevage, en s’appuyant sur les données du Benchmark Truth Accelerator.Un algorithme d’apprentissage automatique supervisé (modèle RF) a été développé.
Le modèle a ensuite été utilisé pour analyser les données sur le thazard à queue jaune sauvage afin de prédire le comportement de frai naturel.
Courbine à deux têtes sauvage d'élevage, méthode de test détaillée
1. Expérience sur l'élevage du thazard à queue jaune
Des thazards à queue jaune sexuellement matures (thazards à queue jaune sauvages capturés en Australie du Sud) ont été stockés dans de grands conteneurs et leur comportement de frai a été observé en continu.
D’août 2018 à février 2019, deux missions de suivi ont été réalisées.Une femelle et deux mâles ont été suivis à chaque fois. Les données comportementales de 6 sérioles à queue jaune d'élevage ont été enregistrées à l'aide d'un enregistreur de données à accéléromètre à trois axes.
Les thazards à queue jaune dans le conteneur ont été retirés et placés dans le dispositif contenant AQUI-S (10 ppm) et marqués.L'enregistreur est fixé sur le dos du thazard à queue jaune. Afin de distinguer les différents individus, les boutons d'accélérateur, le mode nuit, etc. sont différenciés.Trois heures après la fin du marquage, les données comportementales de la sériole à queue jaune ont été enregistrées.
2. Test du thazard à queue jaune sauvage
Entre octobre 2015 et novembre 2019,Les chercheurs ont capturé et marqué huit sérioles à queue jaune sauvages de taille similaire à celle des sérioles à queue jaune d'élevage et ont utilisé un accéléromètre pour enregistrer les données pendant 2 à 3 jours.
La sériole à queue jaune sauvage possède les mêmes spécifications que la sériole à queue jaune d'élevage, avec un accélérateur fixe. La différence est que l'accélérateur pour la sériole à queue jaune sauvage est un package d'installation auto-détachable et récupérable.Il comprend un accéléromètre, un émetteur radio et une étiquette intelligente de positionnement et de transmission de température qui tombera d'elle-même après 2 à 3 jours.
3. Analyse des données
Les données de l'accélérateur peuvent être téléchargées via IGOR Pro et visualisées et analysées à l'aide du logiciel Ethographer.
Tout d'abord, les données non valides en raison d'une lumière insuffisante ou de la non-capture de la cible par l'appareil photo sont supprimées.
Calculer l'accélération statique et l'accélération dynamique sur les trois axes d'accélération,Filtrez les signaux dominants causés par les claquements de queue et la posture du corps, et isolez les comportements avec des accélérations de grande amplitude.
En observant les données d’accélération des séries chronologiques, le comportement explosif potentiel du thazard à queue jaune peut être déterminé.Cinq catégories de comportement du thazard à queue jaune peuvent être observées à partir des vidéos : manger, nager, fuir, faire la cour ou être blessé.
4. Développement d'algorithmes de classification par apprentissage automatique
Les prédictions sont faites sur la base d’une classification aléatoire des forêts.Un seul ensemble de données a été formé avec les valeurs de toutes les variables prédictives, puis divisé aléatoirement en deux parties : 70% a été utilisé pour la formation du modèle et 30% a été utilisé comme ensemble de validation pour évaluer les performances du modèle.
La valeur ntree commence à 500 et augmente progressivement jusqu'à 2000. De plus, le nombre de variables échantillonnées aléatoirement par mètre a été testé pour évaluer l'impact sur le taux d'erreur du modèle.
Au cours du processus de construction du modèle, les auteurs ont utilisé 64 variables prédictives pour garantir davantage la précision du modèle.
5. Évaluation des performances du modèle
Mesures de performance des modèles de classification, calculées à partir de la matrice de confusion RF.La matrice de confusion détermine le vrai positif (TP), le faux positif (FP) et le faux négatif (FN).Un tableau de comparaison des valeurs réelles observées de toutes les catégories comportementales de thazards à queue jaune et des valeurs prédites par le modèle est également fourni.
6. Prédire le comportement du thazard à queue jaune sauvage
Utilisez l'algorithme RF pour prédire les données de comportement de 8 thazards à queue jaune sauvages.Il a été constaté que la précision globale du modèle atteignait 94%.
et comportement reproductif (n=1, flèche orange)
La natation et l'alimentation présentaient la précision de reconnaissance la plus élevée, dépassant 84%, suivies de la parade nuptiale, de l'évasion et des blessures avec des scores de précision de classification inférieurs.
Les cases grises représentent le nombre de classifications correctes dans l’ensemble de tests.
Comprendre l’océan est un long chemin à parcourir
L’océan est le trésor de ressources de la Terre.
Outre leur valeur économique, la vie marine est également essentielle à l’équilibre écologique de l’océan. L’étude de l’océan peut nous aider à mieux comprendre la vie marine, l’énergie et d’autres ressources, et constitue également un sujet important pour le développement rationnel et la protection des ressources marines.
