人工智能驱动的螃蟹性别识别彻底改变渔业管理和保护

当日本冬季到来时，北部地区的渔民开始捕捞最受期待的时令美味之一：马毛蟹。这种甲壳类动物在当地被称为“kegani”，学名为Erimacrusisenbeckii，在全国范围内备受追捧。

为了保护毛蟹种群免遭过度捕捞，日本和县政府对其捕捞实施了各种限制。例如，在盛产凯加尼的北海道，捕获雌性食用是被严格禁止的。

为了遵守这些法律，经验丰富的渔民学会了如何通过目视来区分雄性和雌性。虽然通过观察螃蟹的底面(腹部)来区分它们相对简单，但通过观察其壳面来区分它们却更具挑战性。不幸的是，当捕获的螃蟹在船上定居时，它们几乎总是将壳面朝上，将它们捡起来并单独翻转以确定它们的性别非常耗时。

这是否是人工智能(AI)可能擅长的另一项任务?在最近的一项研究中，包括日本东京理科大学(TUS)佐竹伸一教授在内的日本研究团队试图利用深度学习来回答这个问题。

他们的最新论文发表在《ScientificReports》杂志上，由启蒙大学的YoshitakaUeki副教授和KenTakeuchi教授以及神奈川大学的KenjiToyota助理教授和TsuyoshiOhira教授共同撰写。

研究人员基于三种成熟的图像分类算法实现了三个深度卷积神经网络：AlexNet、VGG-16和ResNet-50。为了训练和测试这些模型，他们使用了120张在北海道捕获的毛蟹图像;其中一半是男性，另一半是女性。这些模型的一个显着优点是它们是“可解释的人工智能”。

简而言之，这意味着给定螃蟹的图像，可以看到图像的哪些特定区域与算法做出分类决策相关。这可以揭示男性和女性之间的细微差异，这对于手动分类可能有用。

测试结果在准确性和性能指标方面非常有希望，正如Satake教授所说：“尽管通过人类在壳侧的视觉检查几乎不可能进行性别分类，但所提出的深度学习模型能够实现高精度的男性和女性分类，实现约95%的F-1测量值和类似的高精度值。”这意味着人工智能方法的表现远远优于人类，并提供一致、可靠的分类。

有趣的是，在观察代表模型重点分类区域的热图时，研究小组发现性别之间存在显着差异。首先，腹部一侧生殖器形状附近的热图得到了增强。

在对雄性进行分类时，算法重点关注甲壳的下部。相比之下，在对雌性进行分类时，算法侧重于甲壳的上部。这不仅可以为未来人工智能螃蟹性别分类模型的开发提供有用的信息，还可以揭示经验丰富的渔民如何通过观察螃蟹的壳面来区分雄性和雌性。

考虑到被捕获可能会给螃蟹带来很大的压力，因此能够在放生前快速区分雌性螃蟹而不用翻转它们，有助于防止这些螃蟹出现健康或生殖问题。因此，深度学习可能成为加强保护和农业工作的重要工具。

佐竹教授说：“深度学习可以区分雄性和雌性螃蟹，这一事实不仅对于保护这些重要的海洋资源，而且对于开发高效的水产养殖技术来说都是一个重要的发现。”

值得注意的是，直接在船上实施人工智能分类技术可以减少体力劳动量，并使螃蟹捕捞更具成本效益。此外，所提出的模型可以重新训练并重新用于其他螃蟹物种的性别分类，例如蓝蟹或珍宝蟹。

总体而言，这项研究展示了如何以创造性的方式利用人工智能，不仅使人们的工作更有效率，而且对螃蟹水产养殖的保护、负责任的捕捞和可持续性产生直接的积极影响。