摘要
用于预测鱼类年龄的技术创新代表了渔业科学中传统年龄估算方法的一种范式转变。最近开发的替代方法依赖于基于传统年龄估算的模型，这些传统年龄估算是通过主观解释鱼的生长模式和生物学特性来获得的。因此，量化这些模型及其所基于的传统年龄估算中传播的误差对于充分考虑渔业资源评估中使用的预测年龄的不确定性至关重要。我们回顾了三种替代年龄预测方法的发展：图像分析、表观遗传学和傅里叶变换近红外光谱（FT-NIRS）；每种方法中人工智能（AI）的应用；并提出了一种方法来研究老化误差对AI年龄预测模型的影响。作为一个案例研究，我们进行了实证研究，并结合模拟来量化老化误差对多模态卷积神经网络（MMCNN）模型性能的影响，该模型使用FT-NIRS分析耳石来预测白令海东部的狭鳕（Gadus chalcogrammus）的年龄。结果表明，不同操作者之间的预测年龄重复性很高，而加入老化误差后，模型在测试数据集上的性能略有下降，从R2=0.92和CV=7.6%下降到R2=0.87和CV=10.2%。我们的结果还表明，MMCNN模型对校准年龄数据中的噪声具有较强的抵抗力，而且当模型在误差增加的数据上进行评估时，其性能可能比性能指标所显示的更好。
利益冲突
作者声明没有利益冲突。
数据可用性声明
本研究中用于生成结果的数据和代码可在GitHub上公开获取（https://github.com/NOAA-Fisheries-AFSC-Age-and-Growth/nir_boot），并已存档在Open Science Framework仓库中（https://doi.org/10.17605/OSF.IO/WGNRH）。
