Individigenkänning av lax med IP‑kameror och deep learning för utvärdering av fiskpassager av lax med IP‑kameror

Metoden kommer göra det möjligt att utvärdera hur väl fiskpassager fungerar, exempelvis genom att fastställa andelen fisk som framgångsrikt passerar genom en teknisk fiskväg eller omlöp. Det knyter direkt an till prioriterade frågeställningar rörande uppströmsvandring och utvärdering av fiskpassager genom anlockning, placering och guidning. Metoden kan användas för att bedöma ekologisk nytta av en fiskväg, eftersom individigenkänningen medför möjligheter till att mäta fiskvägens funktion och effektivitet. Metoden kan också nyttjas i fångst‑återfångst‑studier, där två (eller flera) kamerastationer längs en sträcka i ett vattendrag (eller i en fiskväg) identifierar individer och därigenom ger data för att beräkna den totala populationsstorleken av uppvandrande lax.

 De IP-kameror som kommer att användas i projektet kan placeras på platser som är svåråtkomliga för traditionella fiskräknare (till exempel kameratunnlar), och minskar eller eliminerar helt behovet av ingrepp i en älvfåra (eller omlöp) för att styra fisken mot kameran. IP-kamerorna är billiga och genom att installera flera efterföljande kameror kan man följa enskilda individer från en plats till en annan. Traditionell kameraövervakning med fiskräknare görs oftast genom att fisken leds in i en tunnel där den passerar en kamera. De kamerorna kan i vissa fall vara svårplacerade, speciellt i naturliga vatten och icke-tekniska fiskvägar, de kan försvåra uppströmsvandring och är förhållandevis dyra.

 Resultatet från det här projektet kommer att leda till kostnadseffektiva och flexibla alternativ till mer traditionella fiskräknare, samt även ge metoder för individigenkänning som i sig medför ytterligare möjligheter för övervakning och utvärdering, exempelvis av fiskvägar.