Length measurement accuracy of adaptive resolution imaging sonar and a predictive model to assess adult Atlantic salmon (<scp><i>Salmo salar</i></scp>) into two size categories with long‐range data in a river
Notice bibliographique
Résumé
Imaging sonars are used around the world for fish population monitoring. The accuracy of the length measurements has been reported in multiple studies for relatively short (<15 m) ranges and high image resolution. However, imaging sonars are often used at longer ranges (i.e., >15 m) where the images produced from sonar returns become less detailed. The accuracy of the length measurements from the Adaptive Resolution Imaging Sonar (ARIS) was tested by releasing n = 69 known-sized adult Atlantic salmon (Salmo salar) directly into the sonar field at ranges between 15 and 29 m, and measuring their echoes manually by four users and semi-automatically using a computer workflow in Echoview software. Overall, the length measurements were very variable: compared to true (fork) lengths, the mean of differences varied between -9.9 cm and 7.8 cm in the human-generated datasets, and between -42.8 cm and -20 cm in the computer-generated dataset. In addition, the length measurements in different datasets were only in poor or moderate agreement with each other (intraclass correlation <0.61). Contrary to our expectations, the distance from the transducer or the subjectively assessed echo quality did not have an effect on the measurement accuracy in most of the datasets and when it did, the effect was not systematic between the datasets. Therefore, a size class and length prediction model was implemented in a Bayesian framework to group salmon into two size categories: One-Sea-Winter (<63 cm) and Multi-Sea-Winter (≥63 cm) groups. The model correctly predicted the size category in 83% of the fish in the computer-generated dataset and ranged from 68% to 74% in the human-generated datasets. We conclude that fish length measurements derived from long-range imaging sonar data should be used with caution, but post-processing can improve the usefulness of the data for specific purposes, such as adult Atlantic salmon population monitoring.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».