《Ecological Informatics》:AI-based automated monitoring of the invasive pearl oyster (
Pinctada radiata) in the Aegean Sea using underwater surveys
编辑推荐:
地中海日益受到外来入侵物种的影响,这是由于通过苏伊士运河的航运交通增加以及持续的海洋变暖所致。珍珠贝(Pinctada radiata (Leach, 1814))是分布最广的利斯潘迁徙种(即通过苏伊士运河从红海迁徙到地中海的物种)之一,然而针对这种固着双壳贝
地中海日益受到外来入侵物种的影响,这是由于通过苏伊士运河的航运交通增加以及持续的海洋变暖所致。珍珠贝(Pinctada radiata (Leach, 1814))是分布最广的利斯潘迁徙种(即通过苏伊士运河从红海迁徙到地中海的物种)之一,然而针对这种固着双壳贝类的标准化、非破坏性监测方法仍然有限。研究人员在此提出了一种基于人工智能(AI)的概念验证框架,利用在希腊南埃沃伊科斯湾(South Evoikos Gulf)进行的潜水员操作原位水下视频调查,实现 P. radiata 的自动化监测。该方法将 YOLOv11 检测模型与 ByteTrack 跟踪算法相结合,并整合了基于图像的形态测量模块来估计牡蛎的尺寸和重量。检测模型在异质底栖生境中取得了良好的性能表现(F1 score = 0.85;平均精度均值 = 0.845)。自动化丰度估计与人工计数高度吻合,共检测到53个牡蛎,而人工识别的真实个体数为51个。源自视频的壳长分布(30-70 mm)与研究区域的独立野外观察结果一致。该框架展示了基于 AI 辅助的水下视频分析在提取入侵双壳贝类丰度和种群结构指标方面的潜力。然而,该框架是在单一研究区域内开发和评估的,数据覆盖范围有限,重量估计依赖于从破坏性采样中得出的预先存在的经验体长-体重关系,且个体级别的形态测量精度仍未得到验证。未来需要纳入扩展的数据集、直接的个体级验证以及地中海沿岸的多样化生态系统,以评估其更广泛的适用性。
研究背景与意义
地中海是一个全球生物多样性热点地区,由于苏伊士运河的开通和持续的海洋变暖,超过1000个非本土分类群在此建立了永久性底栖种群,显著改变了食物网和生态系统功能。珍珠贝(Pinctada radiata (Leach, 1814))作为最早记录的利比斯潘双壳类入侵种,已在地中海广泛扩散并形成高密度种群。在希腊水域,该物种近期被列为合法开采的海产品,但传统的基于潜水员的样带和样方调查方法高度依赖人力,且破坏性采样会因物理移除个体而改变局部种群,导致后续概率和尺寸分布评估产生偏差。尽管计算机视觉技术在海洋监测中发展迅速,但针对地中海复杂生境下固着性入侵双壳贝类的检测与追踪工作流仍然探索不足。因此,本研究旨在开发一种基于深度学习的自动化监测框架,以评估现有人工智能检测追踪技术在异质底栖生境中对入侵贝类的监测性能,该研究发表在《Ecological Informatics》上,为非破坏性入侵物种监测提供了重要的技术支持。
关键技术方法
研究人员在希腊南埃沃伊科斯湾2-6米深处通过水肺潜水沿三条样带收集了水下视频。研究整合了三大技术模块:首先采用 YOLOv11 目标检测架构(通过迁移学习训练)在图像中自动识别牡蛎和参考定标框;其次将检测结果输入 ByteTrack 多目标跟踪算法,通过两阶段关联策略实现视频帧间个体的追踪与丰度估计;最后开发图像形态测量模块,以铰链长度作为壳长代理指标,结合基于参考框的像素-度量转换技术计算尺寸,并应用经验体长-体重方程推算重量。
检测结果
通过在异质栖息地测试集上的评估,目标检测模型对珍珠贝的精确率为0.869,召回率为0.792,F1值为0.829,mAP@50达到0.853。漏检主要发生在视觉环境复杂、被海草遮挡或体型较小且紧密附着于基质的个体上。参考框类别实现了100%的精确率和召回率。研究表明 YOLO 模型在复杂底栖生境中具有可靠的定位能力。
视频分析
在一个40.7秒的代表性视频中,检测追踪管道累计识别出53个独立珍珠贝个体,与人工手动核验的51个高度一致。随潜水员移动,累积计数呈阶梯上升并在视频末尾趋于平台期,排除了虚假重复累积。提取的铰链长度范围为35-70 mm,通过经验公式推算的重量分布与独立野外实地测量结果在种群水平上基本重合,但推算分布因确定性转换方程略窄于实际自然分布。
讨论与结论
本研究的框架在异质生境和密集聚集场景下表现出良好的检测与追踪性能,但存在尺寸依赖性的漏检偏差,导致小尺寸组数据短缺。形态测量模块在没有个体级原位验证的情况下,虽能生成生物学合理的尺寸分布,但重量推算受限于原有的体长-体重经验关系。研究人员指出当前框架存在依赖人工潜水采集、数据地理覆盖单一、单目定标存在几何不确定性等局限。未来需结合双目相机或激光阵列提升尺寸测量精度,整合地理SPACE定位以实现密度估算,并扩展至ROV等自主平台。综上所述,本研究成功验证了基于 YOLOv11 和 ByteTrack 的原位水下视频分析工作流在非破坏性评估入侵贝类丰度与种群结构方面的可行性,为地中海生态系统的标准化管理提供了新工具。