研究與教學
國際交流
榮耀分享
探索理院
活動報導
人事動態
第58期出刊日：2024.07.01

人工智慧在漁業資源保育的應用：以深度學習方法估計魚類年齡

文\理學院 張以杰 副教授

由海洋研究所張以杰，蕭仁傑老師及本校生物機電工程學系馬琮翔同學及郭彥甫老師等研究人員所組成的臺灣大學跨領域研究團隊，利用AI深度學習技術建立了一套以耳石影像進行太平洋黑鮪魚(Thunnus orientalis)年齡自動判讀系統。該研究突破以人工方式進行年齡估計，減少時間及人員訓練成本，並提供開放平台供使用（圖1），這將有助於快速監控太平洋黑鮪年齡結構和族群變動，促進漁業資源有效管理和保育。研究成果於2024年3月發表於《Fisheries Research》期刊。
圖1、太平洋黑鮪魚AI年齡估計網站。
 
過去25年間，太平洋黑鮪魚資源大幅衰退，生物量自1996年下降，2010年達到歷史最低點。臺灣黑鮪魚產量於2012年創下新低，僅捕711尾，重量214噸，比1999年減少93%。隨著嚴格管理措施的實施，黑鮪魚資源在近10年逐漸恢復，且速度加快。掌握黑鮪魚年齡資訊對其生態、漁業管理與保育至關重要，有助於評估漁業壓力並制定保護措施。最常見的年齡查定方法是採集黑鮪魚樣本（圖2），透過計數耳石中形成的交替不透明和半透明區域（即生長帶）數量（圖3）。然而，該方法需要由有經驗的專家來進行，且過程中面臨諸多挑戰（核心及輪紋不清晰，偽輪紋，高齡魚年輪密集），使得年齡判讀過程變得困難和耗時的任務。
 
圖2、海洋研究所學生（鄭織宜）及研究助理（葉子維）於黑鮪魚季時在南方澳魚市場進行太平洋黑鮪魚研究樣本採集（魚體體長，性別，重量，耳石及生物組織）。拍攝日期：2024/6/21
 
圖3、太平洋黑鮪魚不同年齡的耳石橫截面影像。每條魚的年齡由經驗豐富的讀者所估算（左上角數字為年齡）。
 
該研究探討應用卷積神經網絡（CNN）於太平洋黑鮪魚耳石影像上來進行年齡自動判讀的可行性。該研究共開發三個CNN模型來進行比較，最佳模型準確率達72.81%（圖4）。
 
圖4. 三種訓練過的卷積神經網絡（CNN）模型對太平洋黑鮪魚的年齡預測結果，以OMIA模型表現力為最佳。每個點的大小與樣本數量成正比。

 

總體來說，該研究代表了機器學習在魚類年齡估算領域的重要進展，並可作為進行魚類年齡研究時的輔助工具。使用CNN的優勢在於能夠在取樣耳石後即時估算魚群的年齡組成。即時年齡估算對於太平洋黑鮪魚的管理至關重要，可用於即時掌握資源量的恢復情形。因此，該研究提供了一個快速監控太平洋黑鮪魚年齡結構和族群變動的新工具，有助於漁業資源更有效的管理和保育。

論文連結：
Ma, T.H.1, Chang, Y.J.1, Shiao, J.C., Jin, C.B., Kuo, Y.F. *(2024) Enhancing machine learning-based age estimation for Pacific bluefin tuna: An approach with data imputation and image augmentation strategies. Fisheries Research 274, 106992. https://doi.org/10.1016/j.fishres.2024.106992