Machine learning for automated sonar monitoring of outmigrating American eel behavior
Notice bibliographique
Résumé
Abundance of American eel (Anguilla rostrata) is low compared to historical levels, which makes it a species of management concern. Adult American eel are vulnerable to hydropower turbine mortality during outmigration from inland waters to their spawning ground in the Sargasso Sea. Morphological and behavioral characteristics of the species make it particularly challenging to provide safe downstream passage at hydropower projects. Furthermore, outmigration of adult eels is episodic and protracted, typically extending over a period of several months or more each year. Consequently, design, optimization, and operation of downstream passage facilities that are economical and biologically effective requires knowledge of eel behavior during their downstream migration. Site-specific information requirements include knowledge of when eels are approaching hydropower facilities; pathways of approach and passage; and near-field behavioral responses to facility structures including intakes, guidance structures, and bypasses.\nThe EPRI Eel Passage Research Center investigated three sonar technologies for observing the abundance and behavior of outmigrating adult eels. Among the three sonar types tested, ARIS multibeam imaging sonar holds the most promise for correctly identifying eels at up to 16-20 meters range. While multi-beam imaging sonar can provide the needed data, the protracted nature of adult eel outmigration and the rate of sonar data production make automated data analysis essential for cost-effective monitoring.\nOur ongoing project has the goal of developing machine-based detection of American eel from ARIS sonar data. The project will: (1) extract training and validation data from ARIS sonar records collected at the Iroquois Water Control Dam on the St. Lawrence River, USA/Canada; (2) utilize two-dimensional wavelet transform analysis to filter noise and increase contrast of the sonar images; (3) apply convolutional neural network analysis to classify the images into three types of objects – background, eel, and moving, non-eel target; (4) quantify the performance of the analysis system.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».