Loading…
FishCam & FishNet – fischökologisches Monitoring 4.0
Zusammenfassung Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbest...
Saved in:
Published in: | Österreichische Wasser- und Abfallwirtschaft 2020, Vol.72 (3-4), p.129-141 |
---|---|
Main Authors: | , |
Format: | Article |
Language: | ger |
Subjects: | |
Citations: | Items that this one cites |
Online Access: | Get full text |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
cited_by | |
---|---|
cites | cdi_FETCH-LOGICAL-c115z-68f6269e5a45ed79390cdbe11e5a128e5cd2812b2ec6b8e902b5d58ebf629c753 |
container_end_page | 141 |
container_issue | 3-4 |
container_start_page | 129 |
container_title | Österreichische Wasser- und Abfallwirtschaft |
container_volume | 72 |
creator | Mader, Helmut Sabine Käfer |
description | Zusammenfassung
Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbestimmung und Bewertung durch Fachkräfte zu verknüpfen. Mit dem neu entwickelten System zur Felddatenerfassung mittels LAN-Kamera in einem Reinwassergehäuse und einem Erfassungstunnel wird die Fischmigration automatisch ohne hydraulischen Einfluss, ohne Hälterung der Fische in Reusen und ohne Kontakt und Stress für die Fische erfasst. Die Bildklassifizierung in Fish- und NoFish-Objekte erfolgt auf Basis eines trainierten Deep Convolutional Neural Network und erreicht eine Genauigkeit einer Differenzierung von ca. 97 %. Neben der Standardanwendung einer Funktionskontrolle für Organismenwanderanlagen wurden Sonderanwendungen wie die Überwachung von Rechenanlagen, Reusenkehlen, Fang- und Transportkörben, Schwemmleitungen und Abstiegs-Bypässen sowie die Überwachung bei extremer Laubdrift erfolgreich durchgeführt. Basierend auf der sekundengenauen Erfassung der Wanderzeiten der Einzelindividuen erfolgten über Sonderauswertungen die Analyse eines Blockadeeffekts bei der Annäherungen der Fische zu intermittierend arbeitenden Organismenwanderanlagen sowie die Analyse der Auffindbarkeit, der Tages- und Jahresgänge der Fischwanderung und die Auswertung von Massenwanderungen. |
doi_str_mv | 10.1007/s00506-020-00654-z |
format | article |
fullrecord | <record><control><sourceid>proquest_cross</sourceid><recordid>TN_cdi_proquest_journals_2386944974</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>2386944974</sourcerecordid><originalsourceid>FETCH-LOGICAL-c115z-68f6269e5a45ed79390cdbe11e5a128e5cd2812b2ec6b8e902b5d58ebf629c753</originalsourceid><addsrcrecordid>eNp9kE1OwzAQhS0EEqVwAVaRkNi5jB2PYy9RxZ9UYAMSOytxnDalrYvdLuiKO3ABTsEB4CachIQgsWM1T6P33mg-Qg4ZDBhAdhIBECQFDhRAoqCbLdJjkqU0Qym3SQ-0QJqietglezFOAQSC1j2izus4Gebz5Dhp1Y1bJV8vr0lVRzv5fH_0Mz9upYvJtV_UKx_qxfjjTQxgn-xU-Sy6g9_ZJ_fnZ3fDSzq6vbgano6oZQw3VKpKcqkd5gJdmelUgy0Lx1izYVw5tCVXjBfcWVkop4EXWKJyRRPTNsO0T4663mXwT2sXV2bq12HRnDQ8VVILoTPRuHjnssHHGFxllqGe5-HZMDAtIdMRMg0h80PIbJpQ2oXisn3Lhb_qf1LfwJlqTA</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>2386944974</pqid></control><display><type>article</type><title>FishCam & FishNet – fischökologisches Monitoring 4.0</title><source>Springer Link</source><creator>Mader, Helmut ; Sabine Käfer</creator><creatorcontrib>Mader, Helmut ; Sabine Käfer</creatorcontrib><description>Zusammenfassung
Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbestimmung und Bewertung durch Fachkräfte zu verknüpfen. Mit dem neu entwickelten System zur Felddatenerfassung mittels LAN-Kamera in einem Reinwassergehäuse und einem Erfassungstunnel wird die Fischmigration automatisch ohne hydraulischen Einfluss, ohne Hälterung der Fische in Reusen und ohne Kontakt und Stress für die Fische erfasst. Die Bildklassifizierung in Fish- und NoFish-Objekte erfolgt auf Basis eines trainierten Deep Convolutional Neural Network und erreicht eine Genauigkeit einer Differenzierung von ca. 97 %. Neben der Standardanwendung einer Funktionskontrolle für Organismenwanderanlagen wurden Sonderanwendungen wie die Überwachung von Rechenanlagen, Reusenkehlen, Fang- und Transportkörben, Schwemmleitungen und Abstiegs-Bypässen sowie die Überwachung bei extremer Laubdrift erfolgreich durchgeführt. Basierend auf der sekundengenauen Erfassung der Wanderzeiten der Einzelindividuen erfolgten über Sonderauswertungen die Analyse eines Blockadeeffekts bei der Annäherungen der Fische zu intermittierend arbeitenden Organismenwanderanlagen sowie die Analyse der Auffindbarkeit, der Tages- und Jahresgänge der Fischwanderung und die Auswertung von Massenwanderungen.</description><identifier>ISSN: 0945-358X</identifier><identifier>EISSN: 1613-7566</identifier><identifier>DOI: 10.1007/s00506-020-00654-z</identifier><language>ger</language><publisher>Vienna: Springer Vienna</publisher><subject>Aquatic Pollution ; Artificial neural networks ; Chemistry/Food Science ; Engineering ; Fish ; Monitoring ; Neural networks ; Originalarbeit ; Waste Management/Waste Technology ; Waste Water Technology ; Water Industry/Water Technologies ; Water Management ; Water Pollution Control</subject><ispartof>Österreichische Wasser- und Abfallwirtschaft, 2020, Vol.72 (3-4), p.129-141</ispartof><rights>The Author(s) 2020</rights><rights>The Author(s) 2020. This work is published under http://creativecommons.org/licenses/by/4.0/deed.de (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License.</rights><lds50>peer_reviewed</lds50><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed><cites>FETCH-LOGICAL-c115z-68f6269e5a45ed79390cdbe11e5a128e5cd2812b2ec6b8e902b5d58ebf629c753</cites></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids></links><search><creatorcontrib>Mader, Helmut</creatorcontrib><creatorcontrib>Sabine Käfer</creatorcontrib><title>FishCam & FishNet – fischökologisches Monitoring 4.0</title><title>Österreichische Wasser- und Abfallwirtschaft</title><addtitle>Österr Wasser- und Abfallw</addtitle><description>Zusammenfassung
Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbestimmung und Bewertung durch Fachkräfte zu verknüpfen. Mit dem neu entwickelten System zur Felddatenerfassung mittels LAN-Kamera in einem Reinwassergehäuse und einem Erfassungstunnel wird die Fischmigration automatisch ohne hydraulischen Einfluss, ohne Hälterung der Fische in Reusen und ohne Kontakt und Stress für die Fische erfasst. Die Bildklassifizierung in Fish- und NoFish-Objekte erfolgt auf Basis eines trainierten Deep Convolutional Neural Network und erreicht eine Genauigkeit einer Differenzierung von ca. 97 %. Neben der Standardanwendung einer Funktionskontrolle für Organismenwanderanlagen wurden Sonderanwendungen wie die Überwachung von Rechenanlagen, Reusenkehlen, Fang- und Transportkörben, Schwemmleitungen und Abstiegs-Bypässen sowie die Überwachung bei extremer Laubdrift erfolgreich durchgeführt. Basierend auf der sekundengenauen Erfassung der Wanderzeiten der Einzelindividuen erfolgten über Sonderauswertungen die Analyse eines Blockadeeffekts bei der Annäherungen der Fische zu intermittierend arbeitenden Organismenwanderanlagen sowie die Analyse der Auffindbarkeit, der Tages- und Jahresgänge der Fischwanderung und die Auswertung von Massenwanderungen.</description><subject>Aquatic Pollution</subject><subject>Artificial neural networks</subject><subject>Chemistry/Food Science</subject><subject>Engineering</subject><subject>Fish</subject><subject>Monitoring</subject><subject>Neural networks</subject><subject>Originalarbeit</subject><subject>Waste Management/Waste Technology</subject><subject>Waste Water Technology</subject><subject>Water Industry/Water Technologies</subject><subject>Water Management</subject><subject>Water Pollution Control</subject><issn>0945-358X</issn><issn>1613-7566</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2020</creationdate><recordtype>article</recordtype><recordid>eNp9kE1OwzAQhS0EEqVwAVaRkNi5jB2PYy9RxZ9UYAMSOytxnDalrYvdLuiKO3ABTsEB4CachIQgsWM1T6P33mg-Qg4ZDBhAdhIBECQFDhRAoqCbLdJjkqU0Qym3SQ-0QJqietglezFOAQSC1j2izus4Gebz5Dhp1Y1bJV8vr0lVRzv5fH_0Mz9upYvJtV_UKx_qxfjjTQxgn-xU-Sy6g9_ZJ_fnZ3fDSzq6vbgano6oZQw3VKpKcqkd5gJdmelUgy0Lx1izYVw5tCVXjBfcWVkop4EXWKJyRRPTNsO0T4663mXwT2sXV2bq12HRnDQ8VVILoTPRuHjnssHHGFxllqGe5-HZMDAtIdMRMg0h80PIbJpQ2oXisn3Lhb_qf1LfwJlqTA</recordid><startdate>2020</startdate><enddate>2020</enddate><creator>Mader, Helmut</creator><creator>Sabine Käfer</creator><general>Springer Vienna</general><general>Springer Nature B.V</general><scope>C6C</scope><scope>AAYXX</scope><scope>CITATION</scope><scope>7QH</scope><scope>7UA</scope><scope>C1K</scope><scope>F1W</scope><scope>H96</scope><scope>H97</scope><scope>L.G</scope></search><sort><creationdate>2020</creationdate><title>FishCam & FishNet – fischökologisches Monitoring 4.0</title><author>Mader, Helmut ; Sabine Käfer</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c115z-68f6269e5a45ed79390cdbe11e5a128e5cd2812b2ec6b8e902b5d58ebf629c753</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>ger</language><creationdate>2020</creationdate><topic>Aquatic Pollution</topic><topic>Artificial neural networks</topic><topic>Chemistry/Food Science</topic><topic>Engineering</topic><topic>Fish</topic><topic>Monitoring</topic><topic>Neural networks</topic><topic>Originalarbeit</topic><topic>Waste Management/Waste Technology</topic><topic>Waste Water Technology</topic><topic>Water Industry/Water Technologies</topic><topic>Water Management</topic><topic>Water Pollution Control</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Mader, Helmut</creatorcontrib><creatorcontrib>Sabine Käfer</creatorcontrib><collection>Springer Open Access</collection><collection>CrossRef</collection><collection>Aqualine</collection><collection>Water Resources Abstracts</collection><collection>Environmental Sciences and Pollution Management</collection><collection>ASFA: Aquatic Sciences and Fisheries Abstracts</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) 2: Ocean Technology, Policy & Non-Living Resources</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) 3: Aquatic Pollution & Environmental Quality</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) Professional</collection><jtitle>Österreichische Wasser- und Abfallwirtschaft</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Mader, Helmut</au><au>Sabine Käfer</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>FishCam & FishNet – fischökologisches Monitoring 4.0</atitle><jtitle>Österreichische Wasser- und Abfallwirtschaft</jtitle><stitle>Österr Wasser- und Abfallw</stitle><date>2020</date><risdate>2020</risdate><volume>72</volume><issue>3-4</issue><spage>129</spage><epage>141</epage><pages>129-141</pages><issn>0945-358X</issn><eissn>1613-7566</eissn><abstract>Zusammenfassung
Die Entwicklung eines fischökologischen Monitorings 4.0 mittels FishCam und FishNet hatte zum Ziel, automatisierbare Aufgaben, wie die präzise, ausdauernde und rund um die Uhr einsetzbare Erfassung von Felddaten und die Vorauswertung derselben mit den finalen Expertisen einer Artbestimmung und Bewertung durch Fachkräfte zu verknüpfen. Mit dem neu entwickelten System zur Felddatenerfassung mittels LAN-Kamera in einem Reinwassergehäuse und einem Erfassungstunnel wird die Fischmigration automatisch ohne hydraulischen Einfluss, ohne Hälterung der Fische in Reusen und ohne Kontakt und Stress für die Fische erfasst. Die Bildklassifizierung in Fish- und NoFish-Objekte erfolgt auf Basis eines trainierten Deep Convolutional Neural Network und erreicht eine Genauigkeit einer Differenzierung von ca. 97 %. Neben der Standardanwendung einer Funktionskontrolle für Organismenwanderanlagen wurden Sonderanwendungen wie die Überwachung von Rechenanlagen, Reusenkehlen, Fang- und Transportkörben, Schwemmleitungen und Abstiegs-Bypässen sowie die Überwachung bei extremer Laubdrift erfolgreich durchgeführt. Basierend auf der sekundengenauen Erfassung der Wanderzeiten der Einzelindividuen erfolgten über Sonderauswertungen die Analyse eines Blockadeeffekts bei der Annäherungen der Fische zu intermittierend arbeitenden Organismenwanderanlagen sowie die Analyse der Auffindbarkeit, der Tages- und Jahresgänge der Fischwanderung und die Auswertung von Massenwanderungen.</abstract><cop>Vienna</cop><pub>Springer Vienna</pub><doi>10.1007/s00506-020-00654-z</doi><tpages>13</tpages><oa>free_for_read</oa></addata></record> |
fulltext | fulltext |
identifier | ISSN: 0945-358X |
ispartof | Österreichische Wasser- und Abfallwirtschaft, 2020, Vol.72 (3-4), p.129-141 |
issn | 0945-358X 1613-7566 |
language | ger |
recordid | cdi_proquest_journals_2386944974 |
source | Springer Link |
subjects | Aquatic Pollution Artificial neural networks Chemistry/Food Science Engineering Fish Monitoring Neural networks Originalarbeit Waste Management/Waste Technology Waste Water Technology Water Industry/Water Technologies Water Management Water Pollution Control |
title | FishCam & FishNet – fischökologisches Monitoring 4.0 |
url | http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-08T04%3A19%3A05IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest_cross&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=FishCam%20&%20FishNet%20%E2%80%93%20fisch%C3%B6kologisches%20Monitoring%C2%A04.0&rft.jtitle=%C3%96sterreichische%20Wasser-%20und%20Abfallwirtschaft&rft.au=Mader,%20Helmut&rft.date=2020&rft.volume=72&rft.issue=3-4&rft.spage=129&rft.epage=141&rft.pages=129-141&rft.issn=0945-358X&rft.eissn=1613-7566&rft_id=info:doi/10.1007/s00506-020-00654-z&rft_dat=%3Cproquest_cross%3E2386944974%3C/proquest_cross%3E%3Cgrp_id%3Ecdi_FETCH-LOGICAL-c115z-68f6269e5a45ed79390cdbe11e5a128e5cd2812b2ec6b8e902b5d58ebf629c753%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_pqid=2386944974&rft_id=info:pmid/&rfr_iscdi=true |