本文提出了一种基于机器人的海水养殖网箱自动损伤检测系统,用于在 ROV 处理过程中和实时检测中检测网的损伤部分,该系统通过 ROV 的载体摄像机获取视频流,采用深度学习检测器,在不同水下条件下将图像的有缺陷部分与背景进行分割,该方法经过测试后表明其高准确性即使在逆境情况下,并且适用于嵌入式平台的实时处理。
Aug, 2023
本研究提出了基于物联网的水产养殖解决方案,利用生物絮凝技术将未使用的饲料转化为微生物蛋白,采用传感器采集数据,并运用机器学习模型和人工智能产生决策和通知,实现高效和生产力的提高。
Jul, 2022
通过非线性自回归高斯过程方法学习不同保真度模型之间非线性复杂交叉相关性的多保真度代理模型框架,实时监测随机海洋条件下水产养殖网箱结构动力学,有效预测网箱位移和锚链负荷,并可以远程操作无人潜水器,防止潜在损害。
Jun, 2024
自 20 世纪 90 年代以来,水产养殖生产迅速增长,但稀缺的、自我报告的和汇总的生产数据限制了对该行业趋势和潜在风险的有效理解和监测。本研究基于水产养殖生产的手动调查,利用计算机视觉模型从航空和卫星图像中识别海洋养殖笼,生成了法国地中海 2000 年至 2021 年的鱼类养殖地点的空间明确数据集,其中包括 4,010 个笼子(笼子平均面积为 69 平方米)。我们证明了我们的方法的价值,作为一种易于适应、经济高效的方法,可以提高水产养殖调查的速度和可靠性,并可用于研究人员和监管机构进行下游分析。我们使用该方法计算独立估计的生产量,并发展了一个灵活的框架来量化估计中的不确定性。总体而言,我们的研究提出了一种高效、可扩展和高度适应的从遥感图像监测水产养殖生产的方法。
设计并进行实验,展示了一款称为农业应用机器人 (AAR) 的轻型、太阳能电动的智能地面机器人,其使用智能感知进行植物的检测和分类,在半自主的情况下可以对低矮蔬菜进行各种操作,如除草、施肥、喷洒杀虫剂等,并提供了对未来研究的有用信息。
Aug, 2022
比较不同的深度学习架构以实现水下对接检测和分类,并使用知识蒸馏压缩具有最佳性能的架构,利用生成对抗网络进行图像转换以模拟真实水下图像,最终评估该方法的成功率并与传统视觉方法进行比较。
Nov, 2023
通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展,我们提出了一个系统,可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估,展示了在真实条件下的稳定性和实用性。
本文提出了一种使用生成对抗网络 (GANs) 来提高可视水下场景质量的方法,该方法可以为水下机器人在视觉驱动任务上的表现提供更好的输入,同时提供了定量和定性数据,证明了这种方法的有效性。
Jan, 2018
在此研究中,我们提出了一种针对海底人造资产稀疏环境设计的自主水下航行器的新型实时声纳全球定位算法。通过利用两种数据解释前端,并在同一声纳数据流中合并这些观测结果,我们的方法在粒子滤波器内加权高概率区域的粒子或解决对称模糊。在模拟环境中进行了初步实验,结果显示出良好的前景。这项工作为将来的方法发展和在实际情况下的全面评估奠定了基础。
May, 2024
通过借鉴少样本学习的最新方法,将普通海洋物种的图像和注释用于提高检测器对稀有和难以辨认物种的识别能力,提高了对手鳍鱼的平均精度,可应用于低样本标注的其他物体,并有助于积极监测受威胁、濒危和受保护的物种。