1. 이미지 처리 및 컴퓨터 비전 :고급 이미지 처리 알고리즘은 수중 차량 또는 드론에 장착 된 카메라로 캡처 한 수중 이미지 또는 비디오를 분석 할 수 있습니다. 이 알고리즘은 개별 물고기를 감지하고 추적하고 그룹 내의 패턴과 구조를 식별하여 학교를 형성하는지 여부를 결정할 수 있습니다.
2. 음향 감지 및 소나 :음파를 보내고 반향 분석을 포함하는 소나 기술은 물고기 학교를 감지하고 모니터링하는 데 사용될 수 있습니다. 집단 수영 사운드와 같은 어류 학교가 제작 한 어쿠스틱 시그니처는 다른 수중 사운드와 구별되어 학교를 식별 할 수 있습니다.
3. 머신 러닝 및 인공 지능 :머신 러닝 알고리즘은 수중 이미지 또는 소나 데이터의 대규모 데이터 세트에 대해 교육을받을 수있어 어류 학교와 관련된 패턴을 인식 할 수 있습니다. 그런 다음 이러한 알고리즘을 사용하여 수동 개입없이 어류 학교를 실시간으로 자동으로 식별하고 분류 할 수 있습니다.
4. 원격 감지 및 위성 이미지 :위성 원격 감지 기술을 사용하여 대상 표면 근처의 어류 학교의 대규모 움직임과 패턴을 모니터링 할 수 있습니다. 위성 이미지를 분석하고 물 색깔 또는 온도의 변화와 같은 관련 정보를 추출함으로써 연구자들은 어류 학교의 존재와 분포를 유추 할 수 있습니다.
5. 자율 수중 차량 (AUV) :센서, 카메라 및 소나 시스템이 장착 된 AUV는 자율적으로 수중을 탐색하고 어류 학교에 대한 데이터를 수집 할 수 있습니다. 이 차량은 특정 패턴 또는 검색 영역을 따르도록 프로그래밍 할 수 있으며 수집 된 데이터를 연구원에게 전송하여 어류 학교의 분석 및 식별을 할 수 있습니다.
6. RFID (Radio Freedency Identification) :개별 물고기에 부착 된 RFID 태그를 사용하여 움직임과 상호 작용을 추적 할 수 있습니다. 이 태그의 신호를 모니터링함으로써 연구원들은 근접하게 함께 수영하는 물고기를 식별하여 학교의 존재를 나타냅니다.
이러한 방법과 기술은 어류 학교의 자율적이고 객관적인 식별을 가능하게하여 인간의 관찰에만 의존하지 않고도 행동, 분포 및 역학에 대한 귀중한 통찰력을 제공합니다.
