Sara Beery 作为麻省理工学院电气工程与计算机科学系（EECS）的助理教授来到MIT，渴望专注于生态挑战。她的研究生涯围绕着将计算机视觉、机器学习和数据科学的专业知识应用于解决保护和可持续性方面的现实问题而展开。Beery 被学院对“为地球计算”的承诺所吸引，并着手将她的方法应用于全球范围的环境和生物多样性监测。
在太平洋西北地区，鲑鱼对其生态系统的健康有着不成比例的影响，而它们复杂的繁殖需求吸引了 Beery 的注意。每年，数百万条鲑鱼开始迁徙以产卵。它们的旅程始于淡水溪床，卵子在这里孵化。幼鲑鱼（新孵化的鲑鱼）游向海洋，在那里花费数年时间成熟为成年鱼。成年鲑鱼返回它们出生的溪流以产卵，通过将卵子沉积在溪床的砾石中，确保其物种的延续。雄性和雌性鲑鱼在为河流栖息地提供下一代鲑鱼后不久便会死亡。
在迁徙过程中，鲑鱼支持了它们经过的生态系统中的各种生物。例如，鲑鱼将来自海洋的碳和氮等营养物质带到上游，增强了这些生态系统中营养物质的可用性。此外，鲑鱼在许多捕食者与猎物的关系中扮演着关键角色：它们是熊、狼和鸟类等各种捕食者的食物来源，同时通过捕食帮助控制其他种群，如昆虫。在它们因产卵而死亡后，腐烂的鲑鱼尸体也为周围的生态系统补充了宝贵的营养物质。鲑鱼的迁徙不仅维持了它们自身的物种，还在它们栖息的河流和海洋的整体健康中发挥着关键作用。
与此同时，鲑鱼种群在该地区的经济和文化中也扮演着重要角色。商业和休闲鲑鱼渔业对当地经济贡献显著。对于太平洋西北地区的许多土著人民来说，鲑鱼具有显著的文化价值，因为它们在他们的饮食、传统和仪式中占据了中心地位。
监测鲑鱼迁徙
人类活动的增加，包括过度捕捞和水电开发，加上栖息地丧失和气候变化，对该地区的鲑鱼种群产生了重大影响。因此，有效监测和管理鲑鱼渔业对于确保生态、文化和人类利益之间的平衡至关重要。准确计算鲑鱼在季节性迁徙到其出生河流产卵期间的数量，对于追踪受威胁种群、评估恢复策略的成功、指导捕鱼季节的规定以及支持商业和休闲渔业的管理至关重要。精确的人口数据帮助决策者采用最佳策略，以保护生态系统的健康，同时满足人类需求。监测鲑鱼迁徙是一项劳动密集且效率低下的工作。
Beery 目前正在领导一个研究项目，旨在利用尖端的计算机视觉方法简化鲑鱼监测。该项目符合 Beery 更广泛的研究兴趣，专注于人工智能、自然世界和可持续性之间的跨学科领域。其与渔业管理的相关性使其获得了麻省理工学院 Abdul Latif Jameel 水和食品系统实验室（J-WAFS）的资助。Beery 的 2023 年 J-WAFS 种子基金是她自加入麻省理工学院教职以来获得的第一笔研究资金。
历史上，监测工作依赖于人类在河岸上用肉眼手动计数鲑鱼。在过去的几十年中，水下声纳系统被引入以帮助计数鲑鱼。这些声纳系统本质上是水下摄像机，但它们的不同之处在于，它们使用声学而不是光传感器来捕捉鱼的存在。使用这种方法需要人们在河边搭建帐篷，根据连接到笔记本电脑的声纳摄像机的输出计数鲑鱼。虽然该系统比原始的肉眼监测鲑鱼的方法有所改进，但它仍然在很大程度上依赖于人力，且过程繁琐且耗时。
自动化鲑鱼监测对于更好地管理鲑鱼渔业是必要的。“我们需要这些技术工具，”Beery 说。“如果没有某种形式的自动化，我们无法跟上监测、理解和研究我们所工作的这些非常复杂的生态系统的需求。”
为了自动化计算太平洋西北地区迁徙鲑鱼种群，项目团队，包括 EECS 的博士生 Justin Kay，正在收集来自不同河流的声纳摄像机的视频数据。团队对数据的一个子集进行注释，以训练计算机视觉系统，使其能够自主检测和计数迁徙的鱼。Kay 描述了模型如何计数每条迁徙鱼的过程：“计算机视觉算法旨在在画面中定位一条鱼，围绕它画一个框，然后随时间跟踪它。如果在屏幕的一侧检测到一条鱼并在屏幕的另一侧离开，那么我们就将其计为向上游移动。”在团队为系统创建了训练数据的河流中，结果表现良好，计数误差仅为 3% 到 5%。这远低于团队和合作利益相关者设定的目标，即不超过 10% 的计数误差。
测试和部署：平衡人力和自动化的使用
研究人员的技术正在被部署以监测新恢复的克拉马斯河上的鲑鱼迁徙。该河流上的四座大坝最近被拆除，成为美国历史上最大的拆坝项目。这些大坝是在长达 20 多年的拆除运动后被拆除的，该运动由克拉马斯部落领导，并与科学家、环保组织和商业渔民合作。大坝拆除后，240 英里长的河流现在自由流动，近 800 平方英里的栖息地对鲑鱼开放。Beery 指出克拉马斯河中鲑鱼种群几乎立即恢复：“我认为在大坝拆除后的八天内，他们开始看到鲑鱼实际上向上游迁徙，超越了大坝。”在与加州鳟鱼的合作中，团队目前正在处理新数据，以调整和创建一个定制模型，然后可以部署以帮助计数新迁徙的鲑鱼。
该系统面临的一个挑战是训练模型在具有河床特征、水清晰度和光照条件等变化的陌生环境中准确计数鱼。这些因素可以显著改变鱼在声纳摄像机输出中的外观，并使计算机模型感到困惑。当在没有收集过数据的新河流中部署时，例如克拉马斯河，系统的性能会下降，误差范围显著增加到 15% 到 20%。
研究人员在系统中构建了一个自动适应算法，以克服这一挑战并创建一个可扩展的系统，可以在没有人类干预的情况下部署到任何地点。该自初始化技术能够自动校准到新的条件和环境，以准确计数迁徙的鱼。在测试中，自动适应算法能够将计数误差降低到 10% 到 15% 的范围。自初始化功能带来的计数误差改善意味着该技术更接近于在新地点部署，而无需太多额外的人力。
通过“Fishbox”实现实时管理
研究团队面临的另一个挑战是开发高效的数据基础设施。为了运行计算机视觉系统，声纳摄像机生成的视频必须通过云端传输或通过手动邮寄硬盘从河流现场发送到实验室。这些方法有显著的缺点：基于云的方法由于偏远河流现场缺乏互联网连接而受到限制，而数据运输则引入了延迟问题。
团队没有依赖这些方法，而是实施了一种节能计算机，称为“Fishbox”，可以在现场进行处理。Fishbox 由一台小型、轻便的计算机和优化的软件组成，渔业管理者可以将其插入现有的笔记本电脑和声纳摄像机中。该系统能够直接在声纳现场运行鲑鱼计数模型，而无需互联网连接。这使得管理者能够做出逐小时的决策，支持对鲑鱼种群的更快速、实时的管理。
社区发展
团队还致力于在太平洋西北地区围绕鲑鱼渔业管理的监测工作聚集社区。“能够与对获取[我们的技术]感兴趣的利益相关者紧密合作，真是令人兴奋，”Beery 说。“我认为，特别是在处理食品和水系统时，需要直接合作来促进影响，因为你确保你开发的东西实际上满足你所帮助支持的人民和组织的需求。”
今年六月，Beery 的实验室在西雅图组织了一次研讨会，召集了非政府组织、部落以及州和联邦的鱼类和野生动物部门，讨论使用自动声纳系统监测和管理鲑鱼种群。Kay 指出，这次研讨会是一个“绝佳的机会，让大家分享他们使用声纳的不同方式，并思考我们正在构建的自动化方法如何融入这一工作流程。”讨论现在通过团队创建的共享 Slack 频道继续进行，参与者超过 50 人。召集这个小组是一个重要的成就，因为许多组织否则没有机会聚在一起进行合作。
展望未来
随着团队继续调整计算机视觉系统、完善技术并与来自土著社区到渔业管理者的多样利益相关者进行互动，该项目有望显著提高该地区鲑鱼监测和管理的效率和准确性。随着 Beery 推进她的 MIT 团队的工作，J-WAFS 种子基金帮助她关注渔业管理等挑战。
“J-WAFS 种子基金的存在使我们能够在搬到这里时继续进行这个项目，”Beery 评论道，并补充说：“它还扩大了项目的范围，使我们能够保持积极的合作，这个项目我认为是非常重要和有影响力的。”
随着 J-WAFS 今年庆祝其十周年，该项目旨在继续支持和鼓励麻省理工学院的教职员工追求创新项目，旨在推动知识进步并创造对全球水和食品系统挑战产生实际影响的解决方案。
