MétaCan
Menu
Retour à la cohorte
Enregistrement W3009478773 · doi:10.1139/juvs-2018-0039

Measurements of juvenile Atlantic bluefin tuna (<i>Thunnus thynnus</i>) size using an unmanned aerial system

2020· article· en· W3009478773 sur OpenAlexvenueno aff
J. Michael Jech, Molly E. Lutcavage, Angelia S. M. Vanderlaan, Yuri Rzhanov, Don LeRoi

Notice bibliographique

RevueJournal of Unmanned Vehicle Systems · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Marine Fisheries ServiceNational Oceanic and Atmospheric AdministrationUniversity of Massachusetts BostonUniversity of Massachusetts
Mots-clésThunnusTunaAltimeterRemote sensingCalibrationAerial surveyGlobal Positioning SystemFish <Actinopterygii>TakeoffEnvironmental scienceFisheryGeologyComputer scienceBiologyEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

An APH-22 vertical-takeoff-and-landing hexacopter was used to collect aerial images of schools and individuals of juvenile Atlantic bluefin tuna (ABFT; Thunnus thynnus) at the sea surface in the southern Gulf of Maine. Quantitative measures of fish length, width, and inter-fish spacing were obtained from these images by applying calibration settings and performance measures from calibrating, testing, and evaluating the onboard motion and altimeter sensors and the digital camera and lenses. The accuracy and precision of the onboard motion sensors, camera, and lens calibrations were sufficient to provide length measurements to sub-centimeter precision, but the altimeter performance was least reliable and required additional information, such as images of known-sized objects during each flight, to provide measurements at the accuracy and precision needed for data to be incorporated in fisheries management. The APH-22 was ideal for acquiring images of ABFT individuals and schools and may be a useful tool for remotely monitoring the behavior and body condition of these elusive animals.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,238
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Unmanned Vehicle SystemsMême sujetFish Ecology and Management StudiesTravaux en français237 207