...
首页> 外文期刊>Oesterreichische Wasser- und Abfallwirtschaft >FishCam & FishNet-fischökologisches Monitoring 4.0
【24h】

FishCam & FishNet-fischökologisches Monitoring 4.0

机译:Fishcam&Fishnet鱼生态监测4.0

获取原文
获取原文并翻译 | 示例

摘要

Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbestimmung und Bewertung durch Fachkräfte zu verknüpfen. Mit dem neu entwickelten System zur Felddatenerfassung mittels LAN-Kamera in einem Reinwassergehäuse und einem Erfassungstunnel wird die Fischmigration automatisch ohne hydraulischen Ein-fluss, ohne Hälterung der Fische in Reusen und ohne Kontakt und Stress für die Fische erfasst. Die Bildklassifizierung in Fish- und NoFish-Objekte erfolgt auf Basis eines trainierten Deep Convolutional Neural Network und erreicht eine Genauigkeit einer Differenzierung von ca. 97%. Neben der Standardanwendung einer Funktionskontrolle für Organismenwanderanla-gen wurden Sonderanwendungen wie die Überwachung von Rechenanlagen, Reusenkehlen, Fang- und Transportkörben, Schwemmleitungen und Abstiegs-Bypässen sowie die Überwachung bei extremer Laubdrift erfolgreich durchgeführt. Basierend auf der sekundengenauen Erfassung der Wanderzeiten der Einzelindividuen erfolgten über Sonderauswertungen die Analyse eines Blockadeeffekts bei der Annäherungen der Fische zu intermittierend arbeitenden Organismenwanderanlagen sowie die Analyse der Auffindbarkeit, der Tagesund Jahresgänge der Fischwanderung und die Auswertung von Massenwanderungen.
机译:通过FishCAM和FishNet的FishCoologic监测4.0的开发具有链接自动任务,例如对实地数据的精确,持久和24小时录制以及它的优先级,以及物种确定和评估的最终专业知识专业人士。通过新开发的系统通过LAN相机在纯水外壳和检测隧道中获取现场数据采集,在没有液压单流的情况下自动检测鱼迁移,而不会在重新起伏中俯冲鱼,而不会接触和压力。鱼类和Nofish对象中的图像分类是基于训练有素的深卷积神经网络,并实现了大约差异化的准确性。97%。除了有机体移民ancilla基因的功能控制的标准应用外,还成功地成功地进行了特殊应用,例如监控计算系统,读取轮,捕获和运输篮,洪流等级和降级旁路以及通过极端落叶漂移的监测。基于二次收购个人个人徒步旅行时期,特别评估分析了在鱼类中的封锁效应,间歇性地工作有机体移民以及分析了鱼类迁移的可取性,日期和年度评估大众徒步旅行。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号