基于 ROV 的深度学习辅助水产养殖网箱自动检测评估
计算机视觉与模式识别
2023-08-29 v1
摘要
在海洋水产养殖中，检查海笼对于管理设施环境影响与鱼类发育过程质量是一项基本活动。因网具破损导致养殖鱼从渔场逃逸至开阔海域，可造成显著经济损失并危及邻近海洋生态系统。现有传统检测系统依赖专业潜水员或 ROV 的视觉检查，不仅费力、耗时、不准确，且高度依赖操作者的知识水平，可验证性也差。本文提出一种面向 ROV 载板处理与实时检测的、基于机器人的水产养殖网箱自动网缺陷检测系统。所提系统获取 ROV 机载相机视频流，采用深度学习检测器，在不同水下条件下从背景中分割出图像缺陷部分。系统首先使用一组采集图像进行测试以与 SOTA 方法比较，随后使用 ROV 检测序列评估其在真实场景中的有效性。结果表明，即便在不利场景下我们的方法仍呈现高精度，且适于嵌入式平台上的实时处理。
引用
@article{arxiv.2308.13826,
title = {Evaluating Deep Learning Assisted Automated Aquaculture Net Pens Inspection Using ROV},
author = {Waseem Akram and Muhayyuddin Ahmed and Lakmal Seneviratne and Irfan Hussain},
journal= {arXiv preprint arXiv:2308.13826},
year = {2023}
}