Broadband acoustic classification of Atlantic cod, polar cod, and northern shrimp in in situ mesocosm experiments
Notice bibliographique
Résumé
The northern shrimp ( Pandalus borealis ) and the Atlantic cod ( Gadus morhua ) fisheries are prone to bycatch of polar cod ( Boreogadus saida ), a key Arctic forage fish species. Discrimination between the acoustic signals from these coinciding species could provide information on the risk of bycatch in addition to improving the accuracy of non-lethal scientific stock assessment surveys. As a step towards automatic in situ classification, we conducted a series of single-species mesocosm experiments for broadband target strength spectra measurements of Atlantic cod, polar cod and northern shrimp. Mesocosm experiments were completed with a Wideband Autonomous Transceiver (WBAT) and collected individual target strength spectra, TS( f ), between 90–170 kHz and 185–255 kHz. Hundreds of TS( f ) were extracted for each species and used to train machine-learning classification algorithms (i.e. classifiers). We found that two supervised learning classifiers, LightGBM and support vector machine, were able to achieve high classification performance (89%) on target spectra shape with a single 200 kHz transducer operating in broadband mode. This is promising for acoustic classification from autonomous platforms with limited payload. We explore the utilization of single transducer target spectra shape variability and provide recommendations to overcome challenges associated with scaling the method successfully for in situ marine species classification not only in the Arctic, but globally.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 tête enseignante, 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 ».