Salmon im Kreislauf: Computer Vision und Mensch-im-Loop-Fischzählung an Wasserkraftdämmen
Ein Berater teilt Erfahrungen aus der Fischzählung an Wasserkraftdämmen, einem soziotechnischen Problem, das sich in digitaler Transformation befindet. Der Artikel erläutert den regulatorischen Kontext (FERC), die Herausforderungen manueller Fischzählungen und wie Computer Vision mit Mensch-im-Loop-Systemen die Automatisierung und Genauigkeit verbessern kann. Er skizziert Schritte zum Aufbau solcher Systeme, einschließlich Problemdefinition, Leistungsziele, Datenerfassung, Modellauswahl und Überwachung.
Der Artikel, verfasst von einem Berater, beschreibt das Problem der Fischzählung an großen Wasserkraftwerken, die eine regulierte Tätigkeit unter der Federal Energy Regulatory Commission (FERC) ist. Die Betreiber der Staudämme müssen die Einhaltung der Umweltvorschriften durch Studien zur Fischwanderung nachweisen, hauptsächlich durch visuelle Zählungen von ausgebildeten Biologen. Diese manuellen Zählungen sind fehleranfällig und arbeitsintensiv aufgrund der schwierigen Bedingungen. Um die Effizienz und Genauigkeit zu verbessern, untersuchen Organisationen Computer Vision und maschinelles Lernen, wobei sie Systeme mit menschlicher Beteiligung (Human-in-the-Loop) einsetzen, die menschliche Expertise mit algorithmischer Konsistenz kombinieren. Der Autor beschreibt die Schritte zum Aufbau eines solchen Systems: Definition des Problemraums in Absprache mit den Beteiligten, Festlegung von Leistungszielen (oft eine Genauigkeitsschwelle von 95 Prozent im Vergleich zu menschlichen Zählungen), Sammlung und Kennzeichnung von Trainingsdaten, Auswahl und Feinabstimmung eines Modells (z. B. vortrainierte Deep-Learning-Modelle) sowie Überwachung der Systemleistung. Der Artikel hebt die Komplexität der soziotechnischen Aspekte hervor, einschließlich der Einhaltung gesetzlicher Vorschriften, der Datenqualität und des Vertrauens.
Quelle: The Gradient —
Original