基于边缘计算的实时Nephrops (Nephrops norvegicus) 捕捞估计在使用物体检测模型的底层拖网中.
Ercan Avsar1, Jordan P Feekings2, Ludvig Ahm Krag2
1Section for Fisheries Technology, Institute of Aquatic Resources, Technical University of Denmark, Hirtshals, Denmark. erca@aqua.dtu.dk.
Scientific reports
|April 25, 2024
概括
一个新的实时水下视频系统使用物体检测来计算海底拖网中的Nephrops. 这项技术通过提供立即捕捞数据,提高了渔业的可持续性和经济表现.
科学领域:
- 海洋生物学 海洋生物学
- 渔业科学 渔业科学
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 海底拖网渔业面临着延迟捕捞数据的挑战,影响可持续性和经济.
- 拖网内摄像头提供实时捕捞观测潜力.
- 处理这些数据对于改善渔业管理至关重要.
研究的目的:
- 开发和评估一个实时水下视频处理系统,用于计数Nephrops个体.
- 优化系统性能,以进行准确和快速的捕捞评估.
主要方法:
- 在边缘设备上使用对象检测和跟踪 (NVIDIA Jetson AGX Orin).
- 测试了七种最先进的YOLO模型,并评估了四种跳过的技术.
- 专注于实现同时实时处理和准确计数.
主要成果:
- YOLOv8s模型与自适应式跳转相结合,实现了97.47 FPS.
- 获得了82.57%的正确计数率和0.86.8的F-分数.
- 证明了在底层拖网渔业实时处理的可行性.
结论:
- 开发的系统为Nephrops定向渔业提供实时捕捞信息.
- 这项技术可以显著提高这些渔业的可持续性和经济可行性.
- 实时数据处理是解决传统拖网渔业缺点的关键.
