Voor de monitoring van de visstand maken Rijkswaterstaat en ministerie van Landbouw, Natuur en Voedselkwaliteit (LNV) al jaren gebruik van de beroepsvisserij. Door nieuwe regelgeving vielen echter vanaf 2011 vislocaties weg en moest de inzet van de beroepsvisserij stoppen. Hierdoor is de informatie die deze vorm van monitoring opleverde niet meer gewaarborgd voor de toekomst. Daarom was Rijkswaterstaat genoodzaakt om naar een nieuw oplossing te zoeken. Deze is gevonden door de inzet van automatische beeldherkenning van trekvissen. De jury van de Computable Awards 2021 in de categorie Overheidsproject nomineert het project ‘Automatische beeldherkenning van trekvissen’.
Het Wageningse Marine Research (WMR) en KBTS hebben cameraopstellingen geplaatst die zowel heen- als teruggaande vissen registreert. Deze nieuw techniek heeft grote voordelen omdat de vissen niet meer ‘gevangen’ hoeven te worden waardoor ze ongeschonden de paaigebieden kunnen bereiken. De techniek om vissen te identificeren via camera’s en bijbehorende software is de laatste jaren sterk verbeterd. Het camerasysteem kan vissen geautomatiseerd herkennen. De complexiteit hierbij is vooral dat het om onderwater camera’s gaat die de vissen tellen. De analyse op herkenning van soorten vissen wordt door middel van machine learning steeds verbeterd.
Als pilot voor de potentie van automatische beeldherkenning is de vispassage bij Lith in de Maas gekozen. Daar is gedurende drie maanden een onderwatercamera geplaatst die passerende vissen filmt. Inmiddels zijn de eerste trekvissen, waaronder een zalm, de camera gepasseerd. Hier toont het zelflerend model aan dat ook vissen die terugkeren in de Nederlandse wateren herkend worden. Zoals de zalm, die verder de Maas op zal zwemmen om te paaien. Mooi om te zien dat deze vis de vispassage gebruikt en belangrijk om te zien dat de inspanningen om deze soort terug te krijgen in de rivieren positief resultaat heeft. Visserij Service Nederland (VSN) heeft het systeem en de resultaten steekproefsgewijs gecontroleerd, gedurende een maand, op nauwkeurigheid met behulp van een tot nu toe gebruikte fuik.
Juryoordeel
De jury van de Computable Awards 2021 in de categorie Overheidsproject vindt dat tijdens dit project vooral ook aandacht is besteed aan de kwaliteit van leven van de vissen. Door inzet van nieuwe technieken kunnen de vissen ongeschonden hun reis voortzetten en de paaigebieden bereiken. Daarmee is de toegevoegde waarde van dit systeem hoog gewaardeerd door de jury.
Hoewel camerabeelden analyseren voor telling en classificatie al langer bestaat is vooral het toepassen ervan in de onderwaterwereld hoog gewaardeerd voor originaliteit. De samenwerking tussen diverse partijen in de beroepsvisserij om kennis te delen en testmetingen te doen, alsmede WMR en KBTS met hun kennis en ervaringen op gebied van visserij en toegepaste it is belangrijk geweest voor het resultaat. De complexiteit van het project zit hem dan vooral in het ontwikkelen van hoogwaardige beeldanalyse voor herkenning, het tellen en het verlagen van de fouttolerantie door doorlopende verbetering en aanvullingen op de analyses, door gezamenlijke inbreng van de betrokken partijen. Het project Automatische beeldherkenning van trekvissen is dan ook terecht genomineerd voor de Computable Awards 2021 in de categorie Overheidsproject.
