Deep Computer Vision для защиты океана и устойчивого питания человечества
ПОЧЕМУ МЫ ДОЛЖНЫ ТРАТЬ ВРЕМЯ, СДЕЛАЯ АКВАКУЛЬТУРУ УМНЕЕ? 🤯
Спрос на рыбу как на источник мяса увеличивается в среднем на 6% каждый год, что делает ее самым быстрорастущим продуктом мясной промышленности. Этот спрос удвоился с начала 2000-х годов и снова удвоится к 2050 году, если нынешние темпы роста сохранятся.
Чтобы удовлетворить этот спрос, рыбоводство расширяется за счет увеличения количества рыбы на своих объектах. Однако по мере того, как рыба становится более тесной, качество ее жизни снижается.
Для поддержания высокого качества жизни необходимо выполнение следующих требований:
- Низкий уровень заражения морскими вшами (Lepeiopthteirus Salmonis).
- низкий уровень гормона стресса кортизола
- Идеальный уровень еды (и доставка еды по времени)
- Подходящий размер биомассы
- Ухоженные сетчатые сети, которые удерживают рыбу взаперти (и хищников снаружи).
- Тщательный баланс качества воды
- низкие показатели заболеваемости
К сожалению, качество жизни снижается в геометрической прогрессии по мере истощения рыбных хозяйств. Это связано с взаимосвязью между этими факторами и пространством (меньше места = больше переноса морских вшей, болезней и т. д.).
ПОЧЕМУ ЭТО БУДЕТ ВЫГОДНО ДЛЯ РЫБНЫХ ХОЗЯЙСТВ? 💰
- Кормление стоит 60% дохода от рыболовства. Необоснованное кормление может стать существенным фактором дохода de Verdal et al., 2017
- Ручной выбор функций — это трудоемкий эвристический подход, а результаты сильно зависят как от удачи, так и от опыта (Mohanty et al., 2016).
- Модели DL продемонстрировали высокую стабильность в сложных условиях, таких как низкая освещенность и высокий уровень шума, и они работают лучше, чем традиционные методы выделения искусственных признаков (Sun et al., 2018).
КАК МЫ ВЫПОЛНЯЕМ? 🤔
Большинство рыбоводческих хозяйств практически не имеют технологической поддержки и ограничены в средствах. Поэтому любое решение должно быть простым в установке и недорогим.
Наше решение для глубокого обучения требует только одного элемента оборудования — камеры с интегрированными в нее измерительными приборами. Один хорошо расположенный прибор в центре рыбной фермы может собирать и агрегировать все данные, необходимые для мониторинга семи показателей качества жизни, упомянутых выше. В сочетании эти показатели также могут давать единую общую оценку состояния здоровья рыбной фермы, представляя целостную краткую оценку состояния здоровья.
Используя вышеупомянутые агрегированные данные вместе с компьютерным зрением, мы можем разработать следующие приложения глубокого обучения:
- Обнаружение морских вшей
- Поведенческий анализ рыб
- Динамическая оценка аппетита рыбы и доставка
- Измерение биомассы
- Мониторинг целостности сетки
- Мониторинг и контроль качества воды
- Выявление и профилактика заболеваний
ПОЧЕМУ ЭТОТ ПОДХОД РАБОТАЕТ ✅
Давайте кратко разберем все до сих пор, прежде чем мы перейдем к приложениям:
- мы можем использовать агрегированные данные от одной единицы оборудования в семи различных приложениях, каждое из которых предназначено для критического фактора качества жизни рыбы.
- каждое приложение использует схожие технологии глубокого обучения, но результатом является уникальное отчетное значение, на которое рыбоводы могут реагировать.
- семь выходных данных могут быть объединены в одно финальное приложение для глубокого обучения, которое отражает общее состояние фермы.
А теперь представьте, что эти семь показателей, связанные измерения и общая оценка состояния здоровья отображаются в режиме реального времени на красивой приборной панели! 📈
ПРИЛОЖЕНИЯ
1. Обнаружение морских вшей 🐟
ПРОБЛЕМА, ЭТО РЕШАЕТ
Рыбоводческие хозяйства по всему миру страдают от нашествия морских вшей. Эти паразиты прикрепляются к рыбе-хозяину и питаются ее кожей/кровью. Чем гуще рыбоводство — тем легче морским вшам расселяться.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Суровые химические обработки стали наиболее распространенным методом удаления морских вшей. Хотя химическая обработка эффективна для удаления морских вшей, она оказывает неблагоприятное воздействие на рыбу. Это также предотвращает продажу лосося в течение нескольких недель, пока он очищается от токсинов.
Решение для глубокого обучения, использующее сверточные нейронные сети (CNN) и компьютерное зрение для обнаружения/идентификации морских вшей до того, как они перекинутся на другую рыбу, позволяет фермерам предпринимать такие действия, как (что, перемещение популяций рыб или временное снижение плотности? ) до того, как критические уровни популяции морских вшей вызовут полную химическую промывку.
РЕЗЮМЕ
Морские вши могут нанести катастрофический ущерб коммерческим рыбным хозяйствам. Если не контролировать, рыба не может быть продана из-за поражений, вызванных паразитами, а в некоторых крайних случаях вши также могут привести к гибели рыбы. Ранняя профилактика с использованием системы глубокого обучения может предотвратить вредные химические вещества и контролировать популяцию вшей.
2. Поведенческий анализ рыб 🦈
ПРОБЛЕМА, ЭТО РЕШАЕТ
Небольшие изменения окружающей среды могут быстро повысить уровень стресса у рыб, тем самым увеличивая количество гормона стресса кортизола внутри них. Кортизол изменяет вкус рыбы и имеет негативные последствия (например, что) для потребителя.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Модель IdTracker.ai использует две разные CNN, чтобы обеспечить возможность отслеживания поведения всех отдельных рыб в малых и больших группах, что позволяет фермерам обнаруживать аномалии поведения, связанные с повышенным уровнем кортизола. Тем не менее, проблема остается огромной, поскольку отслеживание поведения отдельных рыб связано с нежесткими деформациями, низким качеством изображения и частыми окклюзиями.
Чжао и др. (2018a) продемонстрировали другое решение, в котором используются модифицированные карты влияния движения и рекуррентные нейронные сети (RNN) для систематического обнаружения, локализации и распознавания необычного поведения в косяке рыбы.
РЕЗЮМЕ
Рыбы быстро реагируют на малейшие изменения в окружающей среде, такие как растворенный кислород, водоросли, фитопланктон и т. д. Если рыбы испытывают стресс, они могут вырабатывать кортизол, который влияет на качество мяса рыбы. Анализ поведения и моделей плавания рыбы помогает фермерам принимать более взвешенные решения.
Ссылки по теме: Saberioon et al., 2017, Papadakis et al., 2012, Romero-Ferrero et al., 2019, Zhao et al., 2018a
3. Определение аппетита рыбы 🐡
ПРОБЛЕМА, ЭТО РЕШАЕТ
Ни один показатель не имеет более сильной корреляции с эффективностью производства и затратами на разведение, чем кормление рыб. На кормление приходится 60 % операционного бюджета среднего рыбоводческого хозяйства.
Недостаточное кормление резко снижает темпы размножения/прироста биомассы рыбы, а перекармливание приводит к напрасным затратам и загрязнению окружающей водной среды.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Подобрать оптимальное время кормления и размер доставки может быть сложной задачей. Традиционно фермеры используют простые таймеры и интуитивный опыт для принятия решений, которые не учитывают важные факторы окружающей среды и питания.
Агрегированные данные, содержащие визуальную информацию, измерения воды и исторические данные о реакции рыб на прошлые кормления, могут быть объединены с моделями 3D-CNN и RNN, предназначенными для потока временных/пространственных данных, для создания значительно более эффективного кормления. Малой и др. использовали этот двухсетевой подход для выбора оптимального времени кормления, которое учитывало пищевое и непищевое поведение.
РЕЗЮМЕ
Многие аквакультурные фермы имеют случайное время для кормления. Некоторые фермеры используют корма по наитию. В этом случае рыба может быть перекормлена или недокорма. Перерасход кормов приводит к напрасным затратам и загрязнению окружающей среды, а недокорм снижает темпы роста. Обнаружение аппетита позволяет фермерам контролировать, когда кормить рыбу.
Ссылки по теме: Måløy et al. (2019), Чен и др., 2017
4. Оценка биомассы 🐠
ПРОБЛЕМА, ЭТО РЕШАЕТ
Оценка биомассы формирует основу для устойчивого управления рыбным хозяйством, поскольку дает фермерам представление о количестве, размере и весе текущей рыбы. Эти важные данные также влияют на принятие решений, связанных с кормлением и управлением поведением.
Измерение биомассы может быть сложной задачей без вмешательства человека, поскольку рыба свободно перемещается в среде, где нельзя контролировать условия освещения и видимости. В зависимости от глубины рыбы необходимо учитывать различные степени окклюзии и изменения освещения.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Для точной оценки биомассы можно объединить два возможных решения:
- Обучите алгоритм глубокого обучения, чтобы понять сопоставление между сонарными и оптическими изображениями.
- Сегментируйте изображения отдельных рыб, отслеживайте их во времени и непрерывно оценивайте объем и вес по изменениям в рыбе, используя глубину объекта в кадре.
РЕЗЮМЕ
Оценка биомассы помогает фермерам принимать более обоснованные решения относительно размера, качества и веса рыбы. В настоящее время этот процесс выполняется вручную и является трудоемким/затратным. Автоматизация этого процесса сэкономит фермерам время и деньги.
Ссылки по теме: Terayama et al., 2019, Moen et al., 2018, Zhang et al., 2020
5. Обнаружение целостности сетки 🐙
ПРОБЛЕМА, ЭТО РЕШАЕТ
Специально разработанные сетчатые сети ограждают выращиваемую рыбу в замкнутом пространстве и обеспечивают ее безопасность/здоровье. Побег выращиваемой рыбы с фермы будет иметь катастрофические последствия как для фермы, так и для близлежащей экосистемы.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
В настоящее время дайверы выполняют «проверку целостности сети», в ходе которой они ныряют с аквалангом по периметру фермы и проверяют узлы в сети на наличие признаков износа. Наем профессиональных дайверов или владение оборудованием для выполнения погружений может быть трудным/дорогим процессом.
Нейронная сеть с глубоким обучением, обученная распознавать узлы в сети, может легко создавать правила для размещения и мониторинга ячеистых сетей.
РЕЗЮМЕ
Текущие фьорды и другие сети аквакультуры могут быть сломаны. Если это произойдет, сотни тысяч рыб убегут в близлежащую среду, опустошая экосистему. В настоящее время водолазы регулярно проверяют сетчатые сети, но автоматизация обнаружения разрывов сетей сэкономит фермам много денег и спасет океан от дальнейшего вреда.
Ссылки по теме: Одей и др., Юн-Пэн и др.
6. Прогнозирование качества воды 🐋
ПРОБЛЕМА, ЭТО РЕШАЕТ
Высокий уровень растворенного кислорода (DO) и других природных элементов приводит к снижению уровня стресса и болезней и повышению уровня размножения. Мониторинг качества требует точных измерений параметров, связанных с элементами в воде, в течение длительного периода времени.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Глубокое обучение достигло отличных результатов как в краткосрочном, так и в долгосрочном мониторинге качества воды с использованием сетей долговременной кратковременной памяти (LSTM) и RNN, оснащенных вниманием, для сбора / прогнозирования информации о временной последовательности, связанной с водными элементами.
РЕЗЮМЕ
Как и в предыдущем абзаце, рыбы реагируют на малейшие изменения в воде, такие как растворенный кислород. Стабильное качество воды на всей ферме имеет первостепенное значение для долгосрочного здоровья рыб.
Рахман и др., 2019, Ху и др., 2019, Лю и др.
7. Обнаружение дефектных рыбных гранул 🐳
ПРОБЛЕМА, ЭТО РЕШАЕТ
Обнаружение, распознавание и локализация дефектов пищевых продуктов оказались чрезвычайно сложными в производстве пищевых продуктов. На рыбном филе пятна крови ухудшают его качество и снижают его рыночную стоимость. Ручной метод классификации не отвечает потребностям современной промышленности. Современная промышленность нуждается в надежном, быстром, эффективном, автоматизированном, неинвазивном и недорогом методе классификации нормального и дефектного рыбного филе.
КАК ЭТО РЕШАЕТ ПРОБЛЕМУ
Мисими и др. использовали предварительно обученные модели CNN и SVM для точной сегментации и локализации пятен крови и классификации дефектного филе трески. В этом исследовании был предложен новый метод увеличения данных, который снижал чувствительность CNN к форме и фокусировался только на цветовых признаках для классификации нормального и дефектного филе рыбы. Трехмерная информация использовалась для локализации пятен крови и расчета соответствующих векторов захвата в качестве входных данных для роботизированной обработки.
РЕЗЮМЕ
Дефекты рыбных гранул могут нанести ущерб их здоровью и снизить их рыночную стоимость. Автоматизация процесса обнаружения дефектных рыбных гранул была бы полезна для рыб.
Другие области исследований
- Автоматическая идентификация и обнаружение заболеваний
- Обнаружение фитопланктона и цветения водорослей
- Прогноз температуры
- АНПА для автономного обнаружения в открытом море
- Прогноз содержания хлорофилла-А
- Избегание препятствий и окклюзии в морских экосистемах
Резюме лунного выстрела 🌒
Океан является ценным ресурсом для человечества. Он покрывает 70% суши и обеспечивает пищей, кислородом и средствами к существованию большую часть планеты. Аквакультура — это лишь один из аспектов того, что может улучшить здоровье океана. Если мы, как исследователи, можем сделать так много для улучшения Океана с помощью одной только камеры, представьте, чего мы можем достичь, если применим наш мозг и исследования к другим проблемам, с которыми сталкивается Океан?
«Люди могут настроить свой разум на волшебные, казалось бы, невозможные идеи и с помощью науки и техники воплотить их в реальность, а это затем заставит других людей делать другие вещи, которые казались невозможными». — Астро Теллер