Automated detection and tracking of marine mammals: A novel sonar tool for monitoring effects of marine industry
Notice bibliographique
Résumé
Abstract Many marine industries may pose acute risks to marine wildlife. For example, tidal turbines have the potential to injure or kill marine mammals through collisions with turbine blades. However, the quantification of collision risk is currently limited by a lack of suitable technologies to collect long‐term data on marine mammal behaviour around tidal turbines. Sonar provides a potential means of tracking marine mammals around tidal turbines. However, its effectiveness for long‐term data collection is hindered by the large data volumes and the need for manual validation of detections. Therefore, the aim here was to develop and test automated classification algorithms for marine mammals in sonar data. Data on the movements of harbour seals were collected in a tidally energetic environment using a high‐frequency multibeam sonar on a custom designed seabed‐mounted platform. The study area was monitored by observers to provide visual validation of seals and other targets detected by the sonar. Sixty‐five confirmed seals and 96 other targets were detected by the sonar. Movement and shape parameters associated with each target were extracted and used to develop a series of classification algorithms. Kernel support vector machines were used to classify targets (seal vs. nonseal) and cross‐validation analyses were carried out to quantify classifier efficiency. The best‐fit kernel support vector machine correctly classified all the confirmed seals but misclassified a small percentage of non‐seal targets (~8%) as seals. Shape and non‐spectral movement parameters were considered to be the most important in achieving successful classification. Results indicate that sonar is an effective method for detecting and tracking seals in tidal environments, and the automated classification approach developed here provides a key tool that could be applied to collecting long‐term behavioural data around anthropogenic activities such as tidal turbines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».