海洋資源枯竭、複雜的海域管理，是自從全球人口大量增加、捕撈科技大幅度進步以來，各漁業國家最棘手、最急需協調處理的問題。在 1994 年，聯合國海洋法公約生效，要求「各國應互相合作以養護和管理。凡其國民開發相同生物資源，或在同一區域內開發不同生物資源的國家，應進行談判，以期採取養護有關生物資源的必要措施。為此目的，這些國家應在適當情形下進行合作，以設立分區域或區域漁業組織（RFMOs）」。從此之後，為了維護公海漁業資源的使用和管理，各漁業組織便開始要求船籍國必須詳實蒐集各項生物資料，透過各資料之間的分析、比對和評估，來提高資源利用的可能性。

一直以來是遠洋漁業大國的臺灣，我們的船隊作業遍及三大洋區，並且在全球各大港口進行卸魚。基於對產業、環保的重視，以及深化臺灣與世界的交流，我們一直相當積極爭取成為國際漁業組織的一員，除了保障我國的漁業利益與權利之外，也希望為海洋永續的目標貢獻一己之力。現在臺灣已經是 ISC（北太平洋鮪類及似鮪類國際科學委員會 ）、IATTC（美洲熱帶鮪魚委員會）、WCPFC（中西太平洋漁業委員會）等重要國際漁業組織的會員，另外也以觀察員或專家的身份參與其他組織，擁有參與討論、分享配額等權益。當然，在相對的義務上，臺灣也全力配合。以上段提到的蒐集生物資料來說，臺灣近年更開發了獨步全球的魚種辨識系統，利用深度學習中四種不同的卷積神經網路（Convolutional NeuralNetwork）建立模型，自動辨識臺灣延繩釣漁業中常見的八種漁獲——長鰭鮪、大目鮪、黃鰭鮪、南方黑鮪、黑皮旗魚、雨傘旗魚、劍旗魚，以及鬼頭刀。

圖說：團隊先以臺灣延繩釣漁業中八種常見的魚獲，開發魚種辨識系統。

團隊技術力發威，辨識正確率幾近 100%

「遠洋漁業資源評估之工作首重蒐集正確之漁獲資料，詳實之體長、漁獲種類及經緯度等資訊已成為重要資訊。然而在執行面上，我國因受限於人力，除派配觀察員之作業漁船所收集之資料較為確實外，其餘全依賴作業漁船所填報資料。但常發現有不準確現象，導致後續應用受影響。故我國實有必要發展利用更簡單、省時之科學方法取得漁獲資料，以提升我國遠洋漁業主要漁獲魚類資訊收集之方便性及正確性，滿足我國參與國際漁業管理組織所提出之各項資源研究需求。」郭彥甫教授在他的「魚種辨識智能管理系統開發計畫」中也進一步提到，國際永續水產基金會（International Seafood Sustainable Foundation；ISSF） 在 2014 年提出了更新版的鮪魚圍網漁船設置電子觀察員規範，同時也認可設置電子觀察員系統，可以促進魚種辨識與魚體大小測量等影像處理自動化技術的發展。所以郭教授和團隊，就在這樣的前提之下，執行農委會漁業署的委託，開始了以遠洋鮪延繩釣漁船為對象，開發魚種影像的自動辨識技術。

圖說：電子觀察員的規劃設置，希望可以打造一個更有效率的資料蒐整系統／圖片來源：開啟漁業管理的智慧眼：電子觀察員發展與未來趨勢 | 智慧農業

在計畫中，郭教授和團隊將辨識程式分為兩部份：魚種辨識，以及偵測影像中之魚體。在魚種辨識上，是利用魚種辨識模型——包括漁業署提供的影像、旋轉或縮放後的魚體影像，加上團隊自行照相收集和網路上搜尋到的影像——共超過上萬張的影像，以及上千次的實地測驗，訓練電腦系統學習辨識對象魚種。至於偵測魚體，也同樣利用深度學習方法中的 faster-RCNN 進行偵測，並切割影像中的魚體，以期能達到更高的準確率。在經過訓練之後，目前準確率最高可達 96.73％，這樣的結果令團隊相當振奮，也更有信心。

圖說：實際在船上架設攝影機測試，可以拍出如此清晰的照片，而且辨識魚體和魚種的效率也相當不錯

另外，郭教授和團隊也與南方澳漁港合作，進行魚體長量測系統的測試。這是利用郭教授和團隊所開發的移動式攝影設備，以每個月兩次的頻率，到南方澳漁市現場進行系統測試與訓練影像的拍攝。利用卸貨魚體在漁市場秤重的時候，俯視拍攝魚體影像，在將這個影像交給軟體，去偵測出魚頭與魚尾的位置，從而計算出魚體長度。在不斷地調整和測試之下，現在平均魚體長計算的誤差只有 3.8％（約為 5.43cm）。