資料來源： 國立臺灣大學生物產業機電工程學系／郭彥甫、李昕宸
近年來國際海洋生態保育的觀念逐漸普及，為了讓漁業資源能永續利用，國際漁業組織需要對公海漁業資源的使用進行管理與評估的工作。其中，正確的漁獲種類、體長及捕獲地點的經緯度等重要資訊能夠讓各漁業組織對於漁業資源的評估更為精確。我國身為區域性國際漁業組織的一員，自然有義務投入收集漁獲資料的行列。但我國因受限於人力因素，僅有少數遠洋漁船派有隨船觀察員全程記錄漁船作業相關資料，其餘則需仰賴作業漁船自行填報資料。因此我國實有必要自行發展一套電子監測系統，藉由更簡單、省時的科學方法來取得漁獲資料，以提升我國遠洋漁業漁獲資訊收集之方便性及正確性，同時也可滿足國際漁業組織所提出的各項研究需求。
圖1、臺灣Eye電子觀察員架構圖
我國目前開發之電子監測系統(Electronic Monitoring System)又可以稱為電子觀察員(圖1) ，由國立臺灣大學郭彥甫副教授及國立屏東科技大學謝清祿副教授組成研究團隊研發，該系統是在船上安裝高解析度的攝影機或是照相機、衛星導航(GPS)、感測器等設備，再以中央處理系統進行整合並記錄漁船作業的完整過程，提供後續應用與分析。重要功能包括魚種辨識、自動魚體長量測、漁獲資料自動產生與紀錄等功能。
►魚種辨識功能
魚種辨識是收集漁獲資料中較具挑戰性的工作，現今國際上的電子觀察員系統大多採用錄影或拍照的方式記錄完整作業過程，再由陸上的觀察員透過觀看影片或相片來進行辨識與紀錄漁獲種類，這個過程仍需耗費大量的人力與時間，因此極具發展自動化之價值。
該研發團隊利用深度學習(Deep Learning)技術來進行魚種辨識，透過在圖形辨識上有傑出表現的卷積神經網路(Convolutional Neural Network)來建立辨識模型，並以漁業署所提供之魚種影像來對辨識模型進行訓練，另外，為了盡量符合電子觀察員的作業環境，所有訓練影像都在漁船上所拍攝，拍攝環境包含夜間、陰影、雜亂背景等多種影響辨識的因素(圖2)。
目前系統針對六種臺灣遠洋延繩釣漁業常見漁獲進行辨識，分別為長鰭鮪 (Albacore)、大目鮪 (Bigeye tuna)、黃鰭鮪 (Yellowfin tuna)、黑皮旗魚(Blue Marlin)、雨傘旗魚(Sailfish)與劍旗魚(Swordfish) (圖3)，此系統共包含三組辨識模型，第一組辨識模型會將所拍攝之影像分成四大類，分別為鮪魚、旗魚、鯊魚與其他魚種，接著第二組與第三組模型則會分別將鮪魚與旗魚進一步細分成三個品種，其中鮪魚包含長鰭鮪、大目鮪與黃鰭鮪，旗魚包含黑皮旗魚、雨傘旗魚與劍旗魚(圖4)，整體系統的辨識率可以達到95.1%。
圖2 使用魚頭、魚尾、魚體、色板、背景來訓練CNN分類器
圖3漁業署所提供之魚種影像來對辨識模型進行訓練
圖4魚種辨識功能的分類
►自動魚體長量測功能
漁獲大小於漁民來說，常作為分級的標準或與價格相關，但對於總體資源來說體長是用來判斷物種年齡之重要指標。傳統上以人力手動進行量測，此方法的缺點除了在狹小的漁船空間上作業不方便外，也有耗時、紀錄數量不足及人為誤差等問題。現今的電子觀察員系統則是透過觀看漁船作業時的影片，以人工點選方格紙進行影像校正，再以點出魚頭、魚尾的位置來計算魚體長，雖然解決了在漁船作業上的不方便，但依然需消耗大量時間，因此，研發團隊透過電子觀察員系統所收集到之影像對漁獲進行自動化的魚體長估計，以同時解決作業不方便和耗時的問題。
圖5定位出魚頭、魚尾和色板之位置，並推估出魚體長度
魚體長定義為魚吻前端到尾叉處(尾鰭凹陷處)之長度，因此在量測上需先定位出魚頭和魚尾的位置，接著再以影像所對應之比例尺進行估算(圖5)，現階段比例尺來自於影像中所包含之校正用色板。此系統將影像分為魚頭、魚尾、魚體、色板與背景等五種類型，分別使用此五種類型之影像來訓練卷積神經網路分類器，以在影像中定位出魚頭、魚尾和色板之位置，並推估出魚體長度。目前此系統對魚頭、魚尾、色板之辨識率已達94.6%，而魚體預測長度的平均誤差約為5公分。
►漁獲資料自動產生與紀錄功能
幾乎所有漁船都有自動回報船位的功能，但漁獲資料卻仍仰賴人工填寫紙本或電子式的漁獲報告，不僅浪費人力與時間，也可能有填報資料錯誤的情況發生。
本研發團隊開發之電子觀察員系統會偵測揚繩機動作，當揚繩機啟動時，代表漁船開始作業，系統會開始偵測甲板動作，當發現人員在甲板上處理漁獲時，會觸發系統拍照以取得漁獲之影像，接著進行魚種辨識與體長量測，最後將捕獲日期、經緯度、魚種、體長等漁獲資訊彙整，並與電子觀察員的系統狀態編碼後儲存，在每鉤次作業結束後，透過通訊衛星將儲存的漁獲資料自動回傳到岸上的管理中心，完成漁獲資料自動產生與紀錄。若漁船處於非作業時間，例如航行或休息，系統則會每小時偵測並紀錄電子觀察員系統的狀態、漁船的船位，在固定的時間自動回傳至岸上管理中心，此系統可節省填寫漁獲報告之人力，且能自動回報船位。
►結語
本研發團隊成功開發出能夠即時收集漁獲資訊(數量、魚種、體長、位置)與自動回報的臺灣Eye電子觀察員系統。此系統能夠自動整理漁獲資料並進行記錄，透過衛星，將漁船作業與魚種體長等相關資料回傳至岸上管理中心，有效且即時地掌握漁船在海上捕撈的漁獲資料，進行漁獲統計資料分析，提升漁獲資料回報準確率，同時降低所需人力成本。
►研發團隊：國立臺灣大學生物產業機電工程學系
聯絡人：郭彥甫副教授
電話：02-3366-5329
E-mail：ykuo@ntu.edu.tw
