Locating and measuring marine aquaculture production from space: a computer vision approach in the French Mediterranean

水产养殖生产——即水生动植物的培育——自20世纪90年代以来迅速增长，但稀疏、自报和汇总的生产数据限制了对该行业趋势和潜在风险的有效理解和监测。在对水产养殖生产进行手动调查的基础上，我们建立了一个计算机视觉模型，从航空和卫星图像中识别海洋水产养殖笼，生成了法国地中海2000年至2021年鱼类养殖地点的具有空间明确性的数据集，其中包括4010个笼子（平均笼面积为69平方米）。我们展示了我们的方法的价值，作为一种易于适应、成本效益高的方法，可以提高水产养殖调查的速度和可靠性，并使研究人员和监管机构能够进行下游分析。我们说明了其用途，计算出独立的生产估计，并开发了一个灵活的框架来量化这些估计的不确定性。总体而言，我们的研究提出了一种高效、可扩展和高度适应远程感应图像监测水产养殖生产的方法。

如何从遥感图像中识别海洋养殖笼并生成空间明确的数据集以监测和理解养殖业的趋势和潜在风险？

使用计算机视觉模型从遥感图像中识别海洋养殖笼，生成空间明确的数据集，计算独立的生产估计，并开发灵活的框架来量化这些估计的不确定性。

论文提出了一种高效、可扩展和高度适应的方法，利用遥感图像监测水产养殖的生产，为研究人员和监管机构提供了有价值的工具。作者使用了法国地中海2000-2021年的遥感图像，识别了4010个养殖笼，计算出了平均笼面积为69平方米的鱼类生产地点。论文的方法易于适应，成本低廉，可以提高水产养殖调查的速度和可靠性。

在这个领域中，最近的相关研究包括：1）基于深度学习的遥感图像分类和目标检测方法；2）利用机器学习和计算机视觉技术进行水产养殖监测和管理的研究；3）使用遥感图像进行海洋生态系统监测和管理的研究。