Avsluttende Refleksjon

Gjennom praksisprosjekt i Mandalselvas elveeigerlag har vi fått utforske hvordan man kan bruke maskinlæring for overvåking av laks. Vi har kjent på hvordan et er å jobbe selvstendig og har stått for egenlæring gjennom mye research og utforskning på ulike verktøy og metoder.

Det har vært et veldig lærerikt prosjekt der vi har fått bedre innsikt i hvordan objektdeteksjon innenfor maskinlæring fungerer og hva det kan brukes til. Vi har fått innsikt i hvor komplisert opplæringsprosessen kan være og hvor viktig det er å ha et godt datasett å trene opp modellen på. Godt datasett = god modell. I tillegg har vi blitt kjent med nye verktøy som blant annet YOLO og Roboflow. Vi har også fått erfaringer med å planlegge og gjennomføre et prosjekt. Vi har fått erfart hvor viktig det er å ha en kjøreplan og å utnytte tiden godt mens vi har ventet på rådata.

Ettersom at vi har hatt vanskeligheter med å få tilgang til rådataen vi originalt skulle trene opp modellen på og teste modellen mot, har det vært vanskelig å vite hva som er et "godt datasett". Vi har gjort en haug med research på åpne datasett og prøvd å plukke ut data som er relevant. Vi har prøvd etter beste evne å trene opp modellen på det vi har sett på som relevant og riktig data. Ellers har den største utfordringen med prosjektet vært å få modellen til å skille mellom laks og ørret, ettersom at ikke vi engang alltid klarer å se forskjell. Det har også vært en utfording å få modellen til å identifisere fisk i miljø med mye steiner eller bobler (modellen tolker prikker/flekker som fisk).

Per nå (10.11) har disken med rådata blitt sendt til oss, og skal bli levert 11.11. Planen er å lage datasett utfra en andel av dataen vi får og deretter teste modellen på resterende data. Dette vil gjøre modellen bedre på å gjenkjenne laks i riktig omgivelser og det vil kanskje være mulig å lære modellen opp til å skille mellom laks og ørret. Prosessen med å lage datasett og annotere bilder er en veldig tidkrevende prosess, så vi må se an hvor mye vi rekker å gjøre før prosjektet avsluttes.