深度學習影像辨識
飼料辨識用於多種水下影像環境
飼料辨識用於多種水下影像環境
在水下養殖生物的生長過程中,時常經歷不同狀態的水下環境,當經歷不同的水下環境時,必須重新蒐集新的水下資料,添加不必要的時間、資源及人力成本,為了更快速的應變多變的水下環境,我們開發出因應不同環境底下皆適用的深度神經網路模型。
在水下養殖生物的生長過程中,時常經歷不同狀態的水下環境,當經歷不同的水下環境時,必須重新蒐集新的水下資料,添加不必要的時間、資源及人力成本,為了更快速的應變多變的水下環境,我們開發出因應不同環境底下皆適用的深度神經網路模型。
圖(一)各種光源拍攝下的水下影像環境暨飼料標籤
圖(一)各種光源拍攝下的水下影像環境暨飼料標籤
生長狀態監控
生長狀態監控
在傳統蝦子養殖過程中,需要定期將已放養的蝦子抽樣捕撈來預測其生長的大小及數量,這樣的方法既耗時又沒有效率,我們利用水下攝影機拍攝到的影像結合深度學習,透過影像辨識的方式,用影像的方式來確認蝦子體長的生長。
在傳統蝦子養殖過程中,需要定期將已放養的蝦子抽樣捕撈來預測其生長的大小及數量,這樣的方法既耗時又沒有效率,我們利用水下攝影機拍攝到的影像結合深度學習,透過影像辨識的方式,用影像的方式來確認蝦子體長的生長。
圖(二)人工量測與AI辨識成長長度趨勢圖
圖(二)人工量測與AI辨識成長長度趨勢圖