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...

Full description

Saved in:
Bibliographic Details
Published in:Österreichische Wasser- und Abfallwirtschaft 2020, Vol.72 (3-4), p.129-141
Main Authors: Mader, Helmut, Sabine Käfer
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 &amp; 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 &amp; 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 &amp; 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 &amp; Fisheries Abstracts (ASFA) 2: Ocean Technology, Policy &amp; Non-Living Resources</collection><collection>Aquatic Science &amp; Fisheries Abstracts (ASFA) 3: Aquatic Pollution &amp; Environmental Quality</collection><collection>Aquatic Science &amp; 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 &amp; 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