鲑鱼在环：水电站的计算机视觉与人在回路鱼类计数
一位顾问分享了在水电站进行鱼类计数的经验，这是一个正在经历数字化转型的社会技术问题。文章解释了监管背景（联邦能源监管委员会），人工计数的挑战，以及如何利用带有人在回路系统的计算机视觉来自动化并提高准确性。文章概述了构建此类系统的步骤，包括问题定义、性能目标、数据收集、模型选择和监控。
这篇文章由一位顾问撰写，描述的是大型水电站鱼类计数的问题，这是联邦能源管理委员会（FERC）监管下的一项活动。大坝运营商必须通过进行鱼类通道研究来证明其符合环保法规，这些研究主要通过经过培训的生物学家进行目视计数。由于条件困难，这些人工计数容易出错且劳动强度大。为了提高效率和准确性，组织正在探索计算机视觉和机器学习，采用结合人类专业知识与算法一致性的人机回环系统。作者概述了构建此类系统的步骤：与利益相关者协商确定问题范围，设定性能目标（通常是与人工计数相比95%的准确率阈值），收集和标注训练数据，选择和微调模型（例如，预训练的深度学习模型），以及监控系统性能。文章强调了社会技术层面的复杂性，包括法规遵从、数据质量和信任问题。
来源: The Gradient —
原文