Aplication of computer vision methods for aerial visual accouning of sockeye salmon producers from an unmanned aerial vehicle (UAV) in the basin of lake Azabachye in 2024
https://doi.org/10.36038/0234-2774-2025-26-4-103-112
EDN: YZCAXH
Abstract
The paper evaluated the effectiveness of computer vision methods for aerial visual accounting of sockeye salmon producers at the key spawning grounds of Lake Azabachye in 2024. The optimal criteria for selecting photo and video materials collected for training a computer vision model are determined.
About the Authors
A. S. Potapov
Kamchatka branch of the State Scientific Center of the «VNIRO»
Russian Federation
Russian Federation
683000; Petropavlovsk-Kamchatsky
E. S. Fadeev
Kamchatka branch of the State Scientific Center of the «VNIRO»
Russian Federation
Russian Federation
683000; Petropavlovsk-Kamchatsky
K. M. Malykh
Kamchatka branch of the State Scientific Center of the «VNIRO»
Russian Federation
Russian Federation
683000; Petropavlovsk-Kamchatsky
References
1. Запорожец О.М., Запорожец Г.В. Использование фото – и видеофиксации для оценки количества производителей тихоокеанских лососей на нерестилищах и путях их миграции: некоторые методические подходы // Исслед. водн. биол. ресурсов Камчатки и сев.-западной части Тихого океана. 2017. Вып. 47. С. 77–90.
2. Малых К.М., Сошин А.В., Шабуров А.Ю., Коваленко М.Н. Применение искусственной нейросети для учёта рыб на рыбоучётном заграждении // Рыбохозяйственный комплекс России: 300 лет российской академической науке : II Международная научно-практическая конференция, Москва, 27–28 марта 2024 года. Москва: ФГБНУ «ВНИРО», 2024. С. 205–210.
3. Малых К.М., Сошин А.В., Коваленко М.Н. Метод количественного учёта производителей нерки р. Озерная на рыбоучётном заграждении с помощью компьютерного зрения // Научные труды Дальрыбвтуза. 2025. Т. 72. № 2. С. 142–153.
4. Свиридов В.В., Поваров А.Ю. Применение методов искусственного интеллекта для автоматизации беспилотного учёта отнерестившихся особей кеты в Хабаровском крае // Вопр. рыболовства. 2024. Т. 25. № 4. С. 113–124.
5. Свиридов В.В., Подорожнюк Е.В., Никитин В.Д., Скорик А.В. Модификации беспилотного учёта производителей тихоокеанских лососей в реках Сахалинской области и Хабаровского края // Изв. ТИНРО. 2022. Т. 202. № 4. С. 1015–1031.
6. Фадеев Е.С., Шевляков Е.А., Фельдман М.Г. Комплексный мониторинг пропуска производителей тихоокеанских лососей р. Камчатка в режиме реального времени // Изв. ТИНРО. 2019. Т. 197. С. 3–20.
7. Redmon J., Divvala S., Girshick R., Farhadi A. You Only Look Once: Unified, Real-Time Object Detection // IEEE Conference on Computer Vision and Pattern Recognition. 2015. URL: https://arxiv.org/pdf/1506.02640.pdf
8. Christie K.S., Gilbert S.L., Brown C.L. et al. Unmanned aircraft systems in wildlife research: current and future applications of a transformative technology // Frontiers in Ecology and the Environment. 2016. V. 14. Issue 5. P. 241–251.
9. Groves P.A., Alcorn B., Wiest M.M. et al. Testing unmanned aircraft systems for salmon spawning surveys // FACETS, 2016. V. 1. Р. 187–204.
10. Whitehead K., Hugenholtz C.H., Myshak S. et al. Remote sensing of the environment with small unmanned aircraft systems (UASs), Part 2: scientific and commercial applications // J. of Unmanned Vehicle Systems. 2014. V. 2 (3). 86–102.
11. Официальный сайт Ultralytics YOLO (Электронный ресурс). URL: https://docs.ultralytics.com/ru
12. Wei Wang Advanced Auto Labeling Solution with Added Features // Github repository, 2023 (Электронный ресурс). URL: https://github.com/CVHub520/X-AnyLabeling
Review
For citations:
Potapov A.S., Fadeev E.S., Malykh K.M. Aplication of computer vision methods for aerial visual accouning of sockeye salmon producers from an unmanned aerial vehicle (UAV) in the basin of lake Azabachye in 2024. Problems of Fisheries. 2025;26(4):103-112. (In Russ.) https://doi.org/10.36038/0234-2774-2025-26-4-103-112. EDN: YZCAXH
Email this article 