Разработка алгоритма компьютерного зрения для определения среднего веса рыб в рыбоводческих хозяйствах
Аннотация
Данная работа направлена на разработку алгоритма компьютерного зрения для определения среднего веса рыб в рыбоводческих хозяйствах. Исследование включало всесторонний анализ существующих методов определения веса рыб и их применимость в разных условиях. На основе этого анализа был разработан новый алгоритм, основанный на обработке видеопотока с камеры, установленной под водой. Предлагаемый алгоритм состоит из трех основных этапов: детектирование положения рыбы на кадре, определение размера рыбы и вычисление массы в зависимости от размера. В работе использовались классические алгоритмы компьютерного зрения, нейронные сети и регрессионные модели. Результаты работы могут быть использованы в рыбоводческих хозяйствах для оптимизации процесса взвешивания рыб.
This work aims to develop a computer vision algorithm for determining the average weight of fish in fish farming. The research includes a comprehensive analysis of existing methods for fish weight determination and their applicability in different conditions. Based on this analysis, a new algorithm has been developed, which relies on processing video stream from underwater camera. The proposed algorithm consists of three main stages: fish position detection in the frame, fish size estimation, and weight calculation based on size. The work incorporates classical computer vision algorithms, neural networks, and regression models. The results of this study can be utilized in fish farming to optimize the fish weighing process.
This work aims to develop a computer vision algorithm for determining the average weight of fish in fish farming. The research includes a comprehensive analysis of existing methods for fish weight determination and their applicability in different conditions. Based on this analysis, a new algorithm has been developed, which relies on processing video stream from underwater camera. The proposed algorithm consists of three main stages: fish position detection in the frame, fish size estimation, and weight calculation based on size. The work incorporates classical computer vision algorithms, neural networks, and regression models. The results of this study can be utilized in fish farming to optimize the fish weighing process.