To main content

Assessing Re-Identification Capabilities of Salmon Body Parts Using AI-Based Computer Vision Methods

Abstract

Den teknologiske utviklingen i oppdrettsnæringen har skutt fart, og det er nå mulig å bruke teknologi for å analysere velferden til laks. Man kan hente ut mye informasjon gjennom bilde og video data gjennom maskinlæringsmetoder som utnytter dyplæringsprinsippet. For å kunne automatisere velferdsestimeringen av laks i oppdrettsnæringen, må man kunne identifisere laksen for å gi hvert enkelt individ et veldferdsestimat. I denne masteroppgaven er det laget en programvare som bruker dyp læring for å identifiserer laks basert på bilder av kroppsdeler. Programvaren er brukt til å finne ut hvilke kroppsdeler som er mest informative og best egnet til re-identifisering. Arbeidet er gjort med videoer av laks i tanker, som er levert av Sintef Ocean. For å trene modellene som inngår i programvaren, er tre datasett laget. I programvaren inngår modeller for deteksjon av laks, deteksjons av kroppsdeler og individuell re-identifisering. Evalueringen av programvaren viser at re-identifiseringsnøyaktigheten for bilder av hver kroppsdel er som følger: Bryst (87.7\%), ryggfinne (86.3\%), øyne (50.0\%), brystfinne (43.1\%), og halefinne (49.3\%).
Read the publication

Category

Master thesis

Language

English

Author(s)

Affiliation

  • SINTEF Ocean / Aquaculture
  • Norwegian University of Science and Technology

Year

2024

Publisher

Norges teknisk-naturvitenskapelige universitet

View this publication at Norwegian Research Information Repository