Sep, 2024

精准水产养殖：集成计算机视觉与物联网的方法以优化非洲鲫鱼饲喂

HTML
PDF
TL;DR本研究解决了传统鱼类养殖中饲喂效率低下及其导致的环境问题。通过结合计算机视觉和物联网技术，我们开发了一种创新系统，实现了对非洲鲫鱼的精确饲喂，显著提升了生产效率，预计比传统养殖方式生产提高58倍。该方法的开源模型和数据集为未来研究提供了基础。
发现论文，激发创造
  • 基于物联网的生物膜水质预测技术应用于水产养殖

    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

  • 水产养殖系统中的饲料控制和水质监测：机遇与挑战

    这篇论文综述了水产养殖系统中优化喂养和水质的控制设计技术，主要包括基于模型和基于增强学习的控制方法，并介绍了无模型强化学习策略的应用。

    Jun, 2023

  • 使用深度学习从图像中定位关键点进行对虾形态测量和重量估计

    本研究应用了深度学习技术以黑虎对虾为模型生物，构建了自动化体重估算与形态测量的目标检测方法，并通过对8,164张黑虎对虾图像的实验评估表明，该方法的准确性、稳健性和效率均优于现有的深度学习方法。

    Jul, 2023

  • 深度迁移学习在贻贝养殖自动化中的浮标检测改进

    使用深度学习方法提高浮标检测和管理的准确性和鲁棒性，通过使用源自新西兰贻贝养殖场的多样化数据集和迁移学习技术，研究表明深度学习通过提高鲁棒性能和跨多样的天气条件进行浮标检测的实际有效性。

    Aug, 2023

  • 水下自主机器人系统在水产养殖应用中的应用

    发展基于机器人的自动网状缺陷检测系统，用于水产养殖网笼的实时检测和不同缺陷的识别，旨在降低成本，提高质量和操作便利性。

    Aug, 2023

  • 基于物联网的鱼类养殖环境控制系统，结合传感器集成与机器学习决策支持

    该研究文章展示了数据驱动决策支持在水产养殖中的强大作用，承诺满足日益增长的对海鲜的需求，同时强调环境责任与经济可行性，从而彻底改变未来的养鱼方式。

    Nov, 2023

  • 鱼类数据集和关键点检测评价指标的基准化——朝向精确鱼类形态评估的养殖水产养殖领域

    精细形态表型的准确表达、基于22个面向表型的注释的高分辨率图像的综合数据集FishPhenoKey、以及基于生物学洞察力对关键点定位进行优化的新型损失Anatomically-Calibrated Regularization（ACR）, 解决了精确形态学量化的挑战并为可持续水产养殖和遗传研究打开了新的研究方向。

    May, 2024

  • 多保真度代理建模与侦测，NARGP，数位孪生，水产网箱，实时监测，图卷积网络

    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

  • 利用计算机视觉方法识别和测量法国地中海地区的海洋养殖产量

    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。

    Jun, 2024

  • 基于DETR和YOLO深度网络的鱼苗计数

    本研究解决了水产养殖中鱼苗计数这一耗时且具挑战性的问题。我们评估了四种神经网络架构，并引入了一种新标注的图像数据集，其数据收集需求低于以往工作。通过图像切片技术，使用超大型实时检测变换器技术获得了4.46%的平均绝对百分比误差，显示出该方法的高效性和潜在影响。

    Aug, 2024