Live cam / Für Forschende / Offene Daten
Offene Daten zum Forellenverhalten
Ein kontinuierliches, öffentliches Verzeichnis von Wildforellen in einem kalten Bergbach: wann Fische anwesend sind, was sie tun, welche Individuen zurückkehren und wie das Wasser minuteweise aussieht. Frei nutzbar unter CC BY 4.0.
Tage der Daten
15
Seit 2026-11-02
Sichtungen (letzte 30 Tage)
6,189
6,939 Fisch‑Minuten im Bild
Verhalten erfasst
9,375
1268 Fütterungen, 5672 Sprünge, 2435 Halte
Downloads
- sightings.csv: jede Beobachtung in den letzten 30 Tagen, mit Dauer, Verhaltenszählungen und Fisch‑ID
- hourly.csv: Verhalten nach Tagesstunde, normalisiert nach Kamerazeit
- fish.csv: einzelne Forellen identifiziert durch das Spot‑Muster (Profile)
- Tägliche Minutendaten und Ereignisprotokolle, Datum nach Mountain Time. Tage älter als 30 stammen aus dem Archiv:
| 2026-11-15 | Minuten | events |
| 2026-11-14 | Minuten | events |
| 2026-11-13 | Minuten | events |
| 2026-11-12 | Minuten | events |
| 2026-11-11 | Minuten | events |
| 2026-11-10 | Minuten | events |
| 2026-11-09 | Minuten | events |
| 2026-11-08 | Minuten | events |
| 2026-11-07 | Minuten | events |
| 2026-11-06 | Minuten | events |
| 2026-11-05 | Minuten | events |
| 2026-11-04 | Minuten | events |
| 2026-11-03 | Minuten | events |
| 2026-11-02 | Minuten | events |
Live‑ und programmgesteuerter Zugriff: Fütterungs‑Zusammenfassung JSON, OpenAPI und ein MCP‑Server für KI‑Agenten.
Datenlexikon
| Datei | Feld | Bedeutung |
|---|---|---|
| Minuten‑CSV | time_mt | Minute‑Zeitstempel, Bergzeit |
| Minuten‑CSV | fish_now / fish_max | Fische im Bild erkannt (aktuell / meisten in der Minute) |
| Minuten‑CSV | fish_seconds | Sekunden in der Minute mit mindestens einem Fisch im Bild |
| Minuten‑CSV | drift | Anzahl kleiner driftender Partikel (relativ) |
| Minuten‑CSV | clarity_pct | Schärfe der Bodendetails im Vergleich zu einer Referenz (0-100); Methode wird verbessert, siehe Einschränkungen |
| Minuten‑CSV | flow_pct | Oberflächen‑/Drift‑Bewegung vs. Normal für diese Kamera (100 = normal) |
| Minuten‑CSV | light_pct | Szenehelligkeit (0-100) |
| Minuten‑CSV | visibility | Wie weit Bodendetails erhalten bleiben: weit, mittel, nah oder Boden (neue Nah/Mittel/Weit‑Methode; vorher leer, bevor sie aktiviert wurde) |
| Ereignisse CSV | kind | ankommen, verlassen, halten, sprinten, fressen (Fütterungsbewegung), Gruppe (2+ Fische), Schatten, trüb, Aufhellen |
| sightings.csv | holds / darts / feeding_moves / company | Verhaltenszählungen innerhalb einer durchgehenden Sichtung |
| sightings.csv | fish, id_confidence | Benannte Fische nach Spot‑Pattern, und Matching‑Vertrauen |
| fish.csv | spot_matches | Wie oft das Spot‑Muster des Fisches übereinstimmte |
| hourly.csv | feeding_per_10_fish_min | Fütterungsaktionen pro 10 Minuten Fischzeit im Bild |
Methoden
Eine DWE exploreHD 1080p Unterwasser‑Kamera sitzt auf dem Bett eines kleinen, kalten Bergbaches unterhalb eines Wasserfalls und blickt den Grund entlang. Ein Raspberry Pi neben dem Bach analysiert das Video in Echtzeit und streamt es live von etwa 30 Minuten vor Sonnenaufgang bis 30 Minuten nach Sonnenuntergang.
- Erkennung und Verhalten. Bewegende Forellen werden durch Bildanalyse erkannt. Jede fortlaufende Sichtung wird mit Bewegungstypen gekennzeichnet: Halten am Standort, Sprinten, Fütterungsbewegungen (kurze Schläge oder Aufstiege) und Gruppe (zwei oder mehr Forellen).
- Einzelpersonen. Forellen werden anhand des Musters schwarzer Punkte an den Flanken wiedererkannt. Ein Gesicht (eine Seite einer Forelle) erhält erst einen Namen, wenn es an 3 Besuchen mindestens 10 Minuten auseinander mit 40+ übereinstimmenden Punkten abgeglichen wurde und die Treffer über mindestens eine Stunde verteilt sind. Jede Seite wird separat abgeglichen.
- Wasser. Die Klarheit wird anhand der sichtbaren feinen Bodendetails geschätzt; die Strömung anhand der Bewegung im Bild; Regendaten vom National Weather Service.
- Fisch‑Minuten. Die Werte werden nach der gesamten Sichtzeit der Fische normiert, sodass Stunden mit mehr Fischen nicht einfach aktiver wirken.
Einschränkungen
- Verhaltensetiketten sind nicht validiert. Bisher zeigte bei der manuellen Durchsicht 1 von 12 automatisch markierten Fütterungsclips ein echtes Fütterungs‑ oder Aufstiegsereignis. Nutze die Zahlen für relative Muster, nicht für absolute Raten.
- Wiedererkennung macht Fehler. Ein Stein bekam einmal einen Fischnamen und wurde von Hand entfernt. Sichtungen ohne sichere Übereinstimmung bleiben namenlos.
- Klarheit ist relativ. Der aktuelle Wert vergleicht die Bodenschärfe mit den jüngsten Bedingungen, sodass er nicht über Tage oder Kamerapositionen hinweg vergleichbar ist. Er wird durch ein festes Nah‑/Mittel‑/Fern‑Sichtbarkeitsmaß ersetzt.
- Keine Wassertemperatur bisher. Die Temperatur in den Pi‑Gesundheitsdaten ist die des Computers, nicht die des Bachs.
- Die Kamera wurde am 2026-11-03 neu positioniert, vergleiche daher die Daten vor und nach diesem Datum mit Bedacht.
- Eine Kamera und ein Becken, mit engem Sichtfeld. Fischzahlen sind Sichtungen, keine Populationsgröße.
So zitierst du
OnlyFins Unterwasser‑Forellen‑Kamera, https://onlyfins.stream. CC BY 4.0 (credit OnlyFins with a link).
@misc{onlyfins_trout_cam,
title = {OnlyFins: live underwater trout camera, behavior and stream-condition data},
author = {{OnlyFins}},
year = {2026},
howpublished = {\url{https://onlyfins.stream/trout/research}},
note = {Accessed 2026-11-15. CC BY 4.0}
}
Basierend auf 15 Tagen Kameradaten (2026-11-01 bis 2026-11-15). Das Verhalten wird automatisch durch Bewegungsanalyse gekennzeichnet und wurde nicht gegen Handzählungen validiert, daher betrachte sie als Muster, die du beobachten solltest, nicht als Befunde. Eine Kamera, eine Gumpe.