Computer vision system to count crustacean larvae

要約

魚製品は、2017 年現在、世界中の人間の食事の約 16% を占めています。魚を数える動作は、これらの製品の成長と生産において重要な要素です。
養殖業者は魚を正確に数えなければならず、そのためには技術的な解決策が必要です。
工業用池で成長した甲殻類の幼生を自動的にカウントする 2 つのコンピューター ビジョン システムが開発されました。
最初のシステムには、屋内条件で工業用池から画像を取得する 3024X4032 解像度の iPhone 11 カメラが含まれていました。
このシステムを使用して 2 つの実験が行われました。最初の実験には、特定の照明条件で iPhone 11 カメラを使用して成長ステージ 9、10 で 1 日に取得された 200 枚の画像が含まれていました。
2 番目の実験では、iPhone 11 と SONY DSCHX90V カメラの 2 つのデバイスを使用して、幼虫の工業用池を 11 日間撮影しました。
最初のデバイス (iPhone 11) では、2 つの照明条件がテストされました。
各条件で、110 枚の画像が取得されました。
そのシステムは、88.4パーセントの画像検出の精度をもたらしました。
2 番目のシステムには、解像度 2000X2000 の DSLR Nikon D510 カメラが含まれており、工業用池の外で 7 つの実験が行われました。
画像は幼虫の成長段階の 1 日目に取得され、合計 700 枚の画像が取得されました。
このシステムは、密度 50 で 86% の精度を達成しました。幼虫の数を自動的にカウントするアルゴリズムは、YOLOv5 CNN モデルに基づいて両方のケースで開発されました。
さらに、この研究では、幼虫の成長機能を開発しました。
毎日、工業用池から数匹の幼虫を手作業で採取し、顕微鏡で分析しました。
成長段階が決定されると、幼虫の画像が取得されました。
各幼虫の長さは、画像から手動で測定されました。
最も適したモデルは、R の 2 乗が 0.983 の適合度指数を持つ Gompertz モデルでした。

要約(オリジナル)

Fish products account for about 16 percent of the human diet worldwide, as of 2017. The counting action is a significant component in growing and producing these products. Growers must count the fish accurately, to do so technological solutions are needed. Two computer vision systems to automatically count crustacean larvae grown in industrial ponds were developed. The first system included an iPhone 11 camera with 3024X4032 resolution which acquired images from an industrial pond in indoor conditions. Two experiments were performed with this system, the first one included 200 images acquired in one day on growth stages 9,10 with an iPhone 11 camera on specific illumination condition. In the second experiment, a larvae industrial pond was photographed for 11 days with two devices an iPhone 11 and a SONY DSCHX90V cameras. With the first device (iPhone 11) two illumination conditions were tested. In each condition, 110 images were acquired. That system resulted in an accuracy of 88.4 percent image detection. The second system included a DSLR Nikon D510 camera with a 2000X2000 resolution with which seven experiments were performed outside the industrial pond. Images were acquired on day 1 of larvae growing stage resulting in the acquisition of a total of 700 images. That system resulted in an accuracy of 86 percent for a density of 50. An algorithm that automatically counts the number of larvae was developed for both cases based on the YOLOv5 CNN model. In addition, in this study, a larvae growth function was developed. Daily, several larvae were taken manually from the industrial pond and analyzed under a microscope. Once the growth stage was determined, images of the larva were acquired. Each larva’s length was measured manually from the images. The most suitable model was the Gompertz model with a goodness of fit index of R squared of 0.983.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google