Омано-кувейтская группа ученых разработали компактную систему подводного зрения StereoGeoBox, которая на базе нейросетей определяет длину, ширину и вес рыбы в мутной воде всего за доли секунды.
Изобретение избавляет рыбные фермы от необходимости использовать мощные, дорогие и энергоемкие суперкомпьютеры.
Для операторов рыбных хозяйств точный вес поголовья служит главным ориентиром, ведь без него невозможно рассчитать правильную порцию корма, отследить динамику роста и спланировать рентабельность. Традиционно для этого пытались использовать подводную видеосъемку, но старые алгоритмы требовали больших вычислительных мощностей. Они пытались построить полную трехмерную карту всего подводного пространства, из-за чего теряли точность при появлении бликов, пузырьков воздуха от аэраторов или при помутнении воды.
Исследователи из Университета Султана Кабуса вместе с коллегами из Кувейта и Омана решили пойти принципиально другим путем. Вместо создания сложной карты всего объекта их система StereoGeoBox оценивает расстояние только до самой рыбы. За это отвечает новейшая нейросеть YOLO11, которая находит силуэт на кадрах с двух синхронизированных камер. Затем алгоритм вычисляет геометрию условного прямоугольника вокруг рыбы, определяет ее длину и ширину, а искусственный интеллект XGBoost на основе этих параметров рассчитывает чистый вес.
Эффективность новой технологии тестировали в течение пятнадцати месяцев на четырех поколениях тилапии. Результаты превзошли классические методы стереозрения, поскольку система показала минимальный уровень ошибок и практически не выдавала случайных искажений. В контрольном тесте, где реальная длина рыбы составляла 15,30 сантиметра, искусственный интеллект определил ее как 15,25 сантиметра. Алгоритм продемонстрировал полноценную работу в режиме реального времени на базе компактной микропроцессорной платформы NVIDIA Jetson Thor. Скорость обработки видео составила 25,4 кадра в секунду при ничтожно малой задержке в 28,2 миллисекунды, а задействовано было всего 17,7 мегабайта памяти графического процессора.
Эксперименты при изменчивом освещении и обилии кислородных пузырей подтвердили высокую эффективность технологии. Даже когда качество картинки сильно падало из-за мутности, система продолжала выдавать точные параметры, пусть и отсеивала часть бракованных кадров. Готовый прототип успешно объединил в себе подводные камеры, микрокомпьютер для локальных вычислений и удобную облачную панель управления, позволяющую владельцу фермы удаленно следить за ростом рыбы со своего смартфона.
Ведущий автор исследования доктор Саид Аль-Абри отмечает, что экономия вычислительных ресурсов позволила сделать систему дешевой и применимой на реальном производстве, ведь компьютеру больше не нужно анализировать пустую воду. Тем не менее, инженеры честно говорят о текущих ограничениях прототипа. На данном этапе система обрабатывает каждый кадр отдельно, поэтому она пока не умеет автоматически подсчитывать точное количество голов в резервуаре, из-за чего одна и та же активная рыба может попасть в объектив несколько раз. В ближайшем будущем ученые планируют обучить нейросеть распознавать индивидуальные маркеры особей, а также протестировать разработку на других коммерческих видах рыб в условиях открытого моря.
Источник: agroxxi.ru
