Precision Aquaculture: An Integrated Computer Vision and IoT Approach for Optimized Tilapia Feeding

要約

伝統的な魚の養殖方法は、非効率的な餌付けにつながることが多く、その結果、環境問題や生産性の低下を引き起こします。
私たちは、ティラピアに正確に餌を与えるために、コンピュータービジョンとIoTテクノロジーを組み合わせた革新的なシステムを開発しました。
当社のソリューションは、リアルタイムの IoT センサーを使用して水質パラメータを監視し、コンピューター ビジョン アルゴリズムを使用して魚のサイズと数を分析し、最適な餌の量を決定します。
モバイルアプリにより、リモート監視と制御が可能になります。
キーポイント検出に YOLOv8 を利用し、長さからティラピアの重量を測定し、3,500 枚の注釈付き画像で \textbf{94\%} の精度を達成しました。
正確な給餌計算のために深度推定を使用して、ピクセルベースの測定値がセンチメートルに変換されました。
推論条件をミラーリングするデータ収集を使用した私たちの方法では、結果が大幅に改善されました。
予備的な推定では、このアプローチにより従来の農場と比較して生産量が最大 58 倍増加する可能性があることが示唆されています。
私たちのモデル、コード、およびデータセットはオープンソースです~\footnote{コード、データセット、およびモデルは、合理的な要求に応じて入手できます。

要約(オリジナル)

Traditional fish farming practices often lead to inefficient feeding, resulting in environmental issues and reduced productivity. We developed an innovative system combining computer vision and IoT technologies for precise Tilapia feeding. Our solution uses real-time IoT sensors to monitor water quality parameters and computer vision algorithms to analyze fish size and count, determining optimal feed amounts. A mobile app enables remote monitoring and control. We utilized YOLOv8 for keypoint detection to measure Tilapia weight from length, achieving \textbf{94\%} precision on 3,500 annotated images. Pixel-based measurements were converted to centimeters using depth estimation for accurate feeding calculations. Our method, with data collection mirroring inference conditions, significantly improved results. Preliminary estimates suggest this approach could increase production up to 58 times compared to traditional farms. Our models, code, and dataset are open-source~\footnote{The code, dataset, and models are available upon reasonable request.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google