Salmon in the Loop: computer vision en human-in-the-loop vistellingen bij waterkrachtcentrales
Een consultant deelt ervaringen met het tellen van vissen bij waterkrachtcentrales, een sociotechnisch probleem dat een digitale transformatie ondergaat. Het artikel legt de regelgevingscontext uit (FERC), de uitdagingen van handmatige vistellingen, en hoe computer vision met human-in-the-loop-systemen de nauwkeurigheid kan automatiseren en verbeteren. Het schetst stappen voor het bouwen van dergelijke systemen, waaronder probleemdefinitie, prestatiedoelen, gegevensverzameling, modelselectie en monitoring.
Het artikel, geschreven door een consultant, beschrijft het probleem van het tellen van vissen bij grote waterkrachtcentrales, een activiteit die gereguleerd wordt door de Federal Energy Regulatory Commission (FERC). Exploitanten van dammen moeten aantonen dat ze voldoen aan milieuregels door onderzoek naar vispassage uit te voeren, voornamelijk door visuele tellingen door getrainde biologen. Deze handmatige tellingen zijn foutgevoelig en arbeidsintensief vanwege de moeilijke omstandigheden. Om de efficiëntie en nauwkeurigheid te verbeteren, onderzoeken organisaties de mogelijkheden van computervisie en machine learning, met behulp van systemen met menselijke tussenkomst die menselijke expertise combineren met algoritmische consistentie. De auteur beschrijft de stappen voor het bouwen van zo'n systeem: het definiëren van het probleemdomein in overleg met belanghebbenden, het vaststellen van prestatiedoelen (vaak een nauwkeurigheidsdrempel van 95% vergeleken met menselijke tellingen), het verzamelen en labelen van trainingsdata, het selecteren en verfijnen van een model (bijvoorbeeld voorgetrainde deep learning-modellen) en het monitoren van de systeemprestaties. Het artikel benadrukt de complexiteit van de sociotechnische aspecten, waaronder wettelijke naleving, datakwaliteit en vertrouwen.
Bron: The Gradient —
origineel