Nieuws

Innovatie automatische beeldherkenning trekvissen genomineerd voor de Computable Awards 2021

Gepubliceerd op
15 juli 2021

Het project 'Automatische beeldherkenning van trekvissen' (Rijkswaterstaat, Ministerie van LNV, Visserij Service Nederland, Wageningen Marine Research en KBTS) is in de categorie Overheidsproject genomineerd voor de Computable Awards 2021. De stembussen voor de Computable Awards zijn inmiddels geopend en sluiten weer op 10 oktober 2021.

Voor de monitoring van de visstand maken Rijkswaterstaat en het ministerie van Landbouw, Natuur en Voedselkwaliteit (LNV) al jaren gebruik van de beroepsvisserij. Door nieuwe regelgeving vielen alleen vanaf 2011 commerciële vislocaties weg en kwam een nieuwe opzet en samenwerking met de beroepsvisserij tot stand. Echter, in de praktijk blijkt dat veel fuiklocaties op termijn kunnen vervallen door bijvoorbeeld bouwwerkzaamheden of stoppende beroepsvissers. De continuïteit van de informatie vanuit deze monitoringswijze wordt daarom bedreigd. Rijkswaterstaat zoekt daarom naar nieuwe innovatieve oplossingen voor visvriendelijke monitoring. Een mogelijk alternatief is de inzet van automatische beeldherkenning bij passerende trekvissen.

- Helaas, uw cookie-instellingen zijn zodanig dat de Video niet getoond kan worden - pas uw permissie voor cookies aan

In opdracht van Rijkswaterstaat heeft Wageningen Marine Research samen met KBTS en Visserij Service Nederland een pilot voor de potentie van automatische beeldherkenning uitgevoerd bij vispassage Lith in de Maas. De inzet van cameratechniek heeft grote voordelen. “De vissen hoeven niet meer ‘gevangen’ te worden waardoor ze ongeschonden verder kunnen zwemmen. Daarnaast kunnen we op deze manier het gedrag van vissen observeren, en weten we wanneer ze gebruik maken van de vispassage”, vertelt onderzoeker Ben Griffioen.

Veelbelovende resultaten

De resultaten zijn veelbelovend. Zo zagen de onderzoekers vissoorten opduiken die niet in de fuik zijn terechtgekomen. De techniek om vissen te identificeren via camera’s en bijbehorende software is de laatste jaren sterk verbeterd. Het camerasysteem kan vissen geautomatiseerd herkennen. De complexiteit hierbij is vooral dat het om onderwatercamera’s gaat die de vissen tellen. De analyse op herkenning van soorten vissen wordt door middel van machine learning steeds verbeterd. Vismonitoring door beeldherkenning zit flink in de lift. Het is volgens Ben Griffioen nu hét moment om te blijven investeren in deze techniek, om te komen tot een duurzame vismonitoring.”

Bij de vispassage Lith is een onderwatercamera geplaatst die passerende vissen filmt. Inmiddels zijn al vele trekvissen, waaronder een zalm, zeeforel, zeeprik en rivierprik, de camera gepasseerd. Ook een meerval van ruim een meter passeerde de ‘camerabox’ probleemloos. Hier toont het zelflerend model aan dat ook vissen die terugkeren in de Nederlandse wateren herkend worden. Zoals de zalm, die verder de Maas op zal zwemmen om te paaien. Mooi om te zien dat deze vis de vispassage gebruikt en belangrijk om te zien dat de inspanningen om deze soort terug te krijgen in de rivieren positief resultaat heeft. Visserij Service Nederland heeft het systeem en de resultaten steekproefsgewijs gecontroleerd, gedurende een maand, op nauwkeurigheid met behulp van een fuik.

Juryoordeel

De jury van de Computable Awards 2021 nomineert het project ‘Automatische beeldherkenning van trekvissen’ in de categorie Overheidsproject. De jury waardeert dat tijdens dit project vooral aandacht is besteed aan de kwaliteit van leven van de vissen. Door inzet van nieuwe technieken kunnen de vissen ongeschonden hun reis voortzetten en de paaigebieden bereiken. Daarmee is de toegevoegde waarde van dit systeem hoog gewaardeerd door de jury.

Hoewel camerabeelden analyseren voor telling en classificatie al langer bestaat, is vooral het toepassen ervan in de onderwaterwereld hoog gewaardeerd voor originaliteit. De samenwerking tussen diverse partijen in de beroepsvisserij om kennis te delen en testmetingen te doen, alsook de specifieke kennis en ervaring van Wageningen Marine Research en KBTS, is belangrijk geweest voor de nominatie. De complexiteit van het project zit hem dan vooral in het ontwikkelen van hoogwaardige beeldanalyse voor herkenning, het tellen en het verlagen van de fouttolerantie door doorlopende verbetering, en aanvullingen op de analyses door gezamenlijke inbreng van de betrokken partijen. Het project Automatische beeldherkenning van trekvissen is dan ook terecht genomineerd.