Dissertação
Sensor integration for management of aquaculture cages EVALUATED
Com o aumento da população global, torna-se cada vez mais importante explorar e desenvolver novos métodos para produção alimentar. Aquacultura é uma indústria em crescimento que apresenta oportunidades para produzir grandes quantidades de alimentos ricos em proteína, com um baixo impacto ambiental. No entanto, os métodos tradicionais de aquacultura dependem de trabalho manual humano para monitorizar os tanques de peixes, o que os torna ineficientes e dispendiosos. Por esta razão, vários estudos têm vindo a focar-se nas aplicações técnicas de Visão Computacional (VC) para automatizar estes processos. A solução que é proposta nesta dissertação procura facultar um sistema de monitorização de aquacultura para câmaras submersas, com a junção de object detection e tracking. O método proposto, segue um paradigma de tracking-by-detection, com o algoritmo YOLOv8 para realizar object detection e o algoritmo DeepOC-SORT para tracking. Ao corrigir manualmente os erros do dataset OzFish e utilizar um algoritmo de Dark Channel Prior (DCP) dehazing ao nosso dataset de aquacultura (AquaCoop), a solução alcançou bons resultados de 89% em F1-score e 91% em mAP@0.5, na deteção de objetos. Já o módulo de tracking, obteve resultados moderados para MOTA e IDF1, com ambos a atingirem um valor de 62%. As duas restantes métricas, MOTP e mACP, tiveram resultados consideravelmente melhores de 83% e 82% respetivamente, o que demonstra que o método é preciso a estimar a sua posição dos peixes e contar o número de peixes.
junho 21, 2024, 13:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Susana Margarida da Silva Vieira
Departamento de Engenharia Mecânica (DEM)
Professor Associado
