Improving Buoy Detection with Deep Transfer Learning for Mussel Farm Automation

要約

ニュージーランドの水産養殖部門は急速に拡大しており、特にムール貝の輸出に重点が置かれています。
ムール貝養殖業務の需要が進化し続ける中、人工知能とインテリジェントな物体検出などのコンピューター ビジョン技術の統合が、業務効率を向上させる効果的なアプローチとして浮上しています。
この研究では、インテリジェントなムール貝養殖場の監視と管理のための深層学習手法を活用することにより、ブイ検出の高度化について掘り下げています。
主な目的は、現実世界のさまざまなシナリオにわたってブイを検出する際の精度と堅牢性を向上させることに重点を置いています。
ムール貝の養殖場から得られた多様なデータセットがトレーニング用に取得され、ラベル付けされます。これには、浮遊プラットフォームと横行する船舶の両方に取り付けられたカメラから撮影された画像が含まれ、さまざまな照明条件や気象条件をキャプチャします。
限られた数のラベル付きデータを使用してブイ検出のための効果的な深層学習モデルを確立するために、転移学習手法を採用します。
これには、事前トレーニングされた物体検出モデルを適応させて、特殊な深層学習ブイ検出モデルを作成することが含まれます。
YOLO とそのバリアントを含むさまざまな事前トレーニング済みモデルと、データの多様性を調査して、モデルのパフォーマンスに対する影響を調査します。
私たちの調査では、深層学習によるブイ検出パフォーマンスの大幅な向上と、さまざまな気象条件にわたる一般化の向上が実証されており、私たちのアプローチの実際的な有効性が強調されています。

要約(オリジナル)

The aquaculture sector in New Zealand is experiencing rapid expansion, with a particular emphasis on mussel exports. As the demands of mussel farming operations continue to evolve, the integration of artificial intelligence and computer vision techniques, such as intelligent object detection, is emerging as an effective approach to enhance operational efficiency. This study delves into advancing buoy detection by leveraging deep learning methodologies for intelligent mussel farm monitoring and management. The primary objective centers on improving accuracy and robustness in detecting buoys across a spectrum of real-world scenarios. A diverse dataset sourced from mussel farms is captured and labeled for training, encompassing imagery taken from cameras mounted on both floating platforms and traversing vessels, capturing various lighting and weather conditions. To establish an effective deep learning model for buoy detection with a limited number of labeled data, we employ transfer learning techniques. This involves adapting a pre-trained object detection model to create a specialized deep learning buoy detection model. We explore different pre-trained models, including YOLO and its variants, alongside data diversity to investigate their effects on model performance. Our investigation demonstrates a significant enhancement in buoy detection performance through deep learning, accompanied by improved generalization across diverse weather conditions, highlighting the practical effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google