跳到主要內容
 

技術論壇

主題:「魚兒魚兒水中游」,有辦法辨識魚缸中魚的種類、數量的變化,甚至是活動力嗎?

2019/05/15alex.lee

2412 14 0


電腦視覺類 Deep Learning影像辨識魚隻辨識

最近在搞魚菜共生,想用"聰明"的方法來觀察魚缸中魚兒的數量變化(有沒有死魚),再與水質狀況(如含氧量)做關聯,想用深度學習與影像辨識來解決這問題,甚至進一步分析出魚的個別及群體活動力,不知各位大大有沒有相關的經驗或作法可供參考呢?


14則留言

2019/05/15SeanKai Pa

0


我們試過自架伺服器由遠端進行控制串流影像鏡頭,再將攝取到的動態影像轉成靜態圖檔,作為深度學習的辨識資料,對了, Tensorflow的 Object Detection API 有訓練好的類神經網路模組,可以用來提高辨識魚隻的準確度喔~

 


2019/05/16omnixri

0


這個問題可從幾個方向來看,數值型(水溫,含氧, PH...)感測器的變化來預測水質(時序)變化,影像型感測器對個別魚隻進行辨識及追蹤,亦或結合兩種來預測合適魚群生活環境或存活率.

首先要收集數據(不論數值或影像甚至聲音),再來標註資料如魚隻位置,大小,編號等, 再建立魚隻運動軌跡,以利後續進行訓練及評測正確率.

從數值型來解可能從LSTM之類的方式以過去數值來推論未來數值, 假設十分鐘(或更短)取一次數值,則可用最最六次數值來推估十分鐘後狀態或者一小時後結果,方便預警飼主或啟動自動調整水質設備.

從影像型來看分成物件辨識及物件追蹤來看,後者通常不須用到深度學習以傳統電腦視覺解法即可,但若要更精準的軌跡預測亦可使用LSTM之類的作法.就物件辨識來看則要看影像來源類型,包括攝影機(一般網路攝影機,深度影像攝影機),取像視角(正前視.前俯視,正上視...),影像解析度(魚隻成像大小),取像間隔等, 如此才能取得正確待訓練及分析的樣本影像,接下來就可用YOLO之類的物件偵測方式對每張影像做分析找出魚隻個別位置及大小.

不過因魚是自由在魚缸中游動,所以同一隻魚成像大小及清晰度會有所不同, 加上魚隻會有前後遮蔽甚至長相幾乎一樣,所以若以單張影像辨別特定魚隻位置就會容易誤判,此時則需以加入時序輔助定位及追蹤,最後就可依不同魚隻運動軌跡來分析是否活動力不足或過於旺盛.當然魚也是會睡覺的, 分析運動軌跡時還要注意是在那個時間.

以上是小弟粗淺看法,還請多多指教.

 


2019/05/16laisan86

0


關於透過影像來辨認魚的部分,由於我對於魚類不熟,所以恕我對這部分保留

不過從感測器在水質管理上的應用,這我倒是剛巧有點實作:2018漁客松

從感測器的數據,其實已經有不少數據可以分析!原因:常態分佈,針對收集歷史資料,透過rnn這類比較適合具有序列性質的神經網路運算,是有辦法評估魚的健康狀況跟活力!

至於影像的辨識部分,可能的話先用Faster R-CNN這一類簡單的演算法來試試!說不定真能發現什麼

 


2019/05/17Dou Wang

0


已有不少人做過相關研究,例如有人用Tensorflow的物件偵測技術來辨識水族箱中不同魚隻的種類,而且佛心的提供開源資料給大家使用:

https://github.com/kwea123/fish_detection

辨識成果影片:https://www.youtube.com/watch?v=KkJQ6qUoEPk

 

 

很棒的研究成果,他主要用到 faster_rcnn_inception_v2_coco的模型,值得參考。

omnixri 2019/05/17 0


這個方法我有試過了,想得到初步測試可以使用,但由於他的圖片來源是open data set 裡面的圖片是網路上蒐集的魚隻圖片,雖然有兩萬多張,但會跟自己魚缸的圖片差非常多喔XD,辨識率大概只有六成,還是建議自行蒐集自己的圖片訓練。

chuckmails 2019/05/17 0


一般公開資料集(如ImageNet, Coco...)不一定符合自己需求, 為了提高正確率,自行標註和重新訓練幾乎是免不了的. 不過利用這些訓練好的權重值再作Transfer Learning會節省不少訓練時間.

omnixri 2019/05/18 0



2019/05/17jiajheng.yeh

0


不管運用甚麼觀測方法,可能還是要先確認什麼水質因素是影響魚群健康狀況的關鍵因素,進而才能知道要監控什麼吧?

 

沒錯! 這就是為什麼AI在養殖上會有幫助的關係, 不同種的魚蝦對於水值的耐受力不同、喜好的環境如溫度...等也不同, 所以一般的做法, 就是針對某一種魚蝦, 先挑選合適的基因品種, 然後實驗看看是否可以繁殖成功, 當繁殖成功後分成不同區域, 再把不同區域中的環境、養殖條件改變, 看魚蝦的生長狀況、活力會如何變化. 這種方式就可以把收集來的數據提供給系統, 再由系統來進行自動化控制. 接著透過AI的話, 由於像是RNN這類的神經網路系統非常適合處理具有順序性數據的, 因而可以方便預測魚蝦的產量, 如此一來就能夠量化養殖的規模

laisan86 2019/05/17 0



2019/05/17j;6u045j6

0


如果要容易觀測應該還是盡量不要放石頭、珊瑚等裝飾性的東西,畫面乾淨應該會比較便於辨識魚體。

 

一般很難限制真實世界來遷就電腦視覺辨識,比較好的做法可以搭配背影移除法來去除不會動的內容,針對會移動的物件,再進行分析,這樣會提升不少準確率。另外也可加入更多樣態的樣本(如背影複雜度、影像模糊度等)一起訓練,這樣也有機會提升辨識率。

omnixri 2019/05/17 0



2019/05/17warehouse

0


以前看過國外有人實況讓魚玩神奇寶貝,他將魚缸畫面切割成起個區域後,每幾秒去捕捉牠位於哪個區塊並執行該區塊的遊戲動作。

將魚缸切塊監控應該可以便於監控活動量。將監控魚缸的畫面分割成幾塊後定時照下照片,加上辨識功能後可以計算每一格的魚體數量,以此就可以觀察出魚的活動量。另外,使用這個方法的數據擷取量可能可以少掉不少。

 

若不針對魚隻各別個體的活動度來辨識時,而以總體活動量來看時,您提的方式也是一項不錯的解法,就像傳統電腦視覺中的運動偵測(Motion Detection)的做法,不需動到深度學習就能有不錯的結果。

omnixri 2019/05/17 0



2019/05/17linda.lin

0


有找到一篇文章說明一般養殖魚對水質的檢測指標有以下幾項:水的色度、水溫、酸鹼度、硬度、含氧量、氨氮含量、亞硝酸鹽含量、硝酸鹽含量。

文章連結: https://kknews.cc/zh-tw/pet/4qr2rpq.html

另外,魚的生病現象也有相關文章,也提供參考 https://kknews.cc/zh-tw/health/vg8qza.html

 


2019/05/17yuhsuan

0


唉…想起以前曾經在我手中翻肚的魚兒們QQ

好奇魚的胃口跟牠的健康狀態有沒有直接關係?
如果有關,是不是就可以透過魚飼料重量的變化量去掌握魚的健康狀態

但是飼料本身跟魚吃進多少感覺很難去偵測

而且似乎只能反應魚群的整體狀態~

畢竟魚飼料是魚群一起吃掉的XD

 


2019/05/21Bella

0


魚兒生病有些可依據的狀況來分析. 

1) 什麼類型的魚. ( 金魚缸) (海水缸) (有沒有水草...) (....不同的缸)

有些魚的共通疾病: 白點/ 紅線 / 爛尾...等這個是可以透過視覺來分辨, 但如果單以活動力來看有些不足. 

我個人也很期待能完成這種程式來預測呢. 

 


2019/05/21laisan86

0


好喔!不過,這得要比較高解析、高速的攝影機嗎?因為有的魚身上的病變,會不會很難看的到?

或者,可以挑選一些比較大型的魚先?

 

只是討論囉 , 建議可以先從金魚開始, 再找出金魚常患的病的特徵歸納. 至少...金魚是日本人最愛的魚類首選, 這個或許可以商品化唷 :)

Bella 2019/05/22 0



2019/06/28ying

0


https://technews.tw/2018/10/10/cermaq-ifarm/

我在網路上找到這篇文章,是關於「鮭魚」的臉部辨識技術。

Cermaq 的系統 iFarm 就像人臉掃描,透過支援 3D 掃描的相機偵測魚眼、嘴和鰓周圍的斑點圖案,系統可分辨出每隻鮭魚的情況,並且還能有隨著時間追蹤的「病歷」。一旦掃描判斷出鮭魚有海蝨寄生或其他問題,受感染的魚將被分離和治療。

裡面有這樣的敘述,提供給大家參考!

 


2019/07/03june625678

0


感覺可以將魚類生命特徵,簡化為觀察尾鰭的運動狀況

並且藉由水質、溫度甚至是燈光強弱等

分析其中的影響,提高管理魚類的有效方式

 


2019/08/01ShenWaWa

0


真希望這項技術能不只運用在魚兒身上

凡是不說人話的動物都很需要!

 


最新發表
數位轉型時代人才職能的再進化
  近年來全球資訊產業趨勢變化快速,雲端運算、物聯網、資料科學、人工智慧和5G行動通訊等尖端技術日新月異的發展應用,帶動了數位經濟的興起,並同時重塑了全球經濟結構。根據世界經濟論壇(WEF)的預測,2022年全球GDP將有六成來自數位經濟,可見數位經濟的發展對全球經濟未來趨勢影響之重大,而其影響自然也將及於人力資源市場。   產業面臨這一波數位轉型,正如當初個人電腦、網際網路的普及一樣,將會完全翻轉全球經濟、以及企業現有的商業模式。過往數位科技人才大多為資通訊及高科技產業所需求,隨著產業積極導入數位工具及人工智慧應用、企圖尋求下一波創新成長動能,各行各業展開數位科技人才爭奪,根據國家發展委員會對於臺灣未來十年人力市場之預估,數位人才將呈現大規模人力缺口。   AI取代工作 還是創造機會 科技帶來翻天覆地的影響,新興領域之人才需求不斷攀升,嶄新的商業模式、跨領域的整合應用也層出不窮。迎接新科技帶來新工作機會的同時,人才技能必須時常更新,以掌握未來世界的人力需求及工作樣態的變化。   根據臺灣經濟研究院研究報告指出,隨著人工智慧、物聯網、大數據、資訊安全等技術發展,將會為我國帶來新的人力需求;反之,設備操作、倉儲物流、行政庶務等事務性及高重複性工作,則可能因新科技而受到衝擊。然而,人類的工作真的會被AI和機器人取代嗎?國際研究暨顧問機構Gartner指出,2020年,雖然有180萬個職位被AI取代,不過同時AI也將創造230萬個工作機會,帶動整體工作機會正成長。未來的人力資源趨勢將是人工智慧結合人腦的工作型態,隨著自動化科技的引進顛覆人類在工作上所扮演角色,勞動者必須具備新的技術和能力,以因應這一波數位趨勢。   人才職能重塑 已是世代常態 各種新興科技正在重塑我們的世界,我們是否都準備好了呢?現今企業普遍面臨相當大之人才挑戰,人才競爭態勢只會越來越激烈,數位科技浪潮下,在可預見的未來,機器人或人工智慧一定會對企業人力運用造成影響,企業數位轉型已經是勢在必行的壓力,就公司而言,企業所需的人才技能隨著公司經營策略的調整均在不斷轉變中,人才需要積極主動、擁抱改變,人才所具備的技能如不隨著大環境的變動,將面臨無法與時俱進的風險、最終可能被市場淘汰。   過去用一把刷子行走職場、或是十年磨一劍的年代已經過去,單一技能很容易被潮流取代、唯有具備數位科技、跨領域專長的人才方能在瞬息萬變的職場上勝出。世界經濟論壇的報告指出,全球所有受雇員工有半數以上(54%)需要在未來三年內接受大幅度的技能重塑與提升訓練。而數位科技人才常需隨趨勢發展而更新專業能力,根據之前Gartner的一份調查,職場員工平均每三年需更新一次職務內容與數位科技專業能力。   職能再進化 先找出自己的型 在這波數位技能革命中,企業必須打造新的人才職能規格、於公司內部創造並鼓勵員工持續學習的環境和文化,同時協助員工捨棄舊技能與發展工作所需新技能。由於企業很難找到各方面條件都符合的現成人選,招募到合適的人才所需之時間已經越來越長。有越來越多的企業支持從既有的員工進行在職培訓,並轉型為數位科技人才,不僅有效降低企業招募時間與經費成本,也可以避免招募到的員工不適任無法久留的風險。越來越多的企業正在提高技能重塑的投資,在企業發展數位轉型的同時,偕同組織內的人才一起精進、重塑員工技能,及早做好職能轉型的全面準備。   然而,職能轉型並非一件容易的事情,根據108年經濟部人工智慧產業人才需求調查發現,並非所有現職員工都能成功轉型人工智慧人才,最被企業看好且轉型成功率高的人才通常已具備相當基礎(有型)、在這個基礎上進行職能轉型較容易成功;例如工程類職務(如:系統工程師、後端軟體工程師) 本身即具有程式撰寫、系統開發能力,較容易轉型為機器學習工程師及AI應用工程師等AI新興職務。而資料類職務(如:資料庫工程師、統計分析師)已具有資料庫或數據分析等基礎,亦容易轉型為資料工程師或資料分析師。而一般常見的產品經理、專案經理及行銷企劃專員等職務,已具備專案管理、產品管理、行銷推廣、跨部門溝通…等軟實力,若能再強化AI相關基礎知識,也容易轉型為AI專案經理或AI產品經理。   生命不息 學習不止 迅速和持續變化的工作性質正在改變學習與工作間的關係,當我們一直被機器追趕著學習新技能,如何能夠有效應對新世代的變遷、在數位經濟的潮流中成為未來產業所亟需的人才?在數位時代的潮流之下,新世代的人才需要透過不同管道不斷精進自我,才能持續增加自己的附加價值,而不被時代所淘汰。未來的人才唯有在終生學習、科技協作、軟技能和環境應變等四個面向深化努力,方能應對快速變遷、日新月異的產業趨勢。   在終生學習方面,除了持續學習的腳步外,在學習的方向上,也要注意學習內容與工作之融合度,以期能符合實際工作的職能需求,此外考量個人能力及人格特質做個性化的學習,也對強化自身附加價值,以及未來職涯的發展有所助益;在科技協作方面,隨著AI與自動化的興起,新的工作型態對人機協作的需求也越來越高,在人類主導的情況下,由機器提供輔助進行工作,將會成為產業從人工朝向智慧化發展過程中過渡的第一步,因此在科技協作的學習投入,將能有效幫助人才面對AI化與自動化的挑戰;軟技能是人類勝出機器的關鍵,包括溝通、思考和創意等在現今這個科技時代愈趨重要,未來人才需要培養機器所無法取代的能力,以增進自身在職場的不可取代性;在環境應變方面,由於近年來產業趨勢的變遷快速,新技術的推陳出新使得人才在適應環境變化上的需求大幅提升,未來的人才也需要像電腦持續定期更新,隨時檢視自己的技能、擁有持續重塑自己以靈活應變的能力,才能在時代的潮流中維持競爭力!     財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 陳麗萍 組長
AI創作音樂有可能成為一種新趨勢嗎?
音樂是全世界共通的語言,大家都同樣使用12個音符,但卻能創造出各種風格的音樂。目前主打透過AI生成音樂的服務越來越多,在國外還有透過 AI 即時生成電子樂的音樂串流服務,這樣的音樂創作方式有可能會成為趨勢嗎?
到了5G時代,那麼邊緣運算會有何不同嗎?
我們都知道物聯網的概念開啟了科技應用的新視野,當越來越多元件走向微型化、智慧化,數據海嘯也隨之而來,如何讓這些裝置以最有效率的方式運作,互通有無,並發揮大數據的優勢,成了當務之急。邊緣運算便是實現運算資源佈局最佳化的關鍵途徑,不過現在有了5G的出現,對於邊緣運算會有什麼影響呢?
最近在AI資料分析常使用到的"增強分析"是什麼意思?
「增強分析」(augmented analytics)被預測為今年十大戰略趨勢,它對一般企業來說意味著什麼?對數據科學家來說影響又有多大?希望可以了解一下
資料分析的步驟大致怎麼進行?
現在大家都在說大數據以及資料分析,但是究竟該如何使用,又有哪些步驟跟細節呢?感覺這是一項非常專業但是又不得不去了解的技術。

熱門發表
如果提供影像辨識的訓練資料不足,AI電腦視覺技術是不是就派不上用場了?
目前深度學習很火,從醫療、零售、倉儲、工業到監控等,好像各種影像辨識都能用到,但往往在一個地方卡關,那就是沒有足夠大量且有代表性的資料提供"訓練",有沒有可能用少量資料來達成好的辨識效果呢?
【解題建議】利用OpenPose來解決骨架(姿態、行為)分析
此次出題有很多項目和姿態(行為)分析有關(如下所示),而其根本就是要先找出人的骨架,再加上時間序列來分析骨架各特徵點的位移,進而判定使用者的動作(類型)。 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。 而在開源技術中以CMU的OpenPose最為知名,包含有身體、頭(臉部)、手等部位,有興趣的朋友可以參考一下 https://github.com/CMU-Perceptual-Computing-Lab/openpose
數據「學」無止盡!機器學習、深度學習、統計學究竟差在哪?
數據當道的現今,多少人、事、物受惠於這些龐大的數據分析和學習,但你知道機器學習、深度學習、統計學的差異是什麼嗎?
Time is money!如何讓製程最佳化、讓生產更簡單?
從網路時代到物聯網興起,工業 4.0 強調自動化與生產線聯網功能,而新一代的智慧工廠發展,則更仰賴邊際運算、AI 和數據分析。然而,究竟要如何讓製程最佳化,使得生產速度提升呢?
CES展上發佈的蚊子偵測器怎麼辨別這種微小差異的?
以色列新創業者Bzigo在CES展出一款室內蚊子或小型飛蟲偵測器,宣稱能夠偵測距離8公尺內的蚊子、追蹤蚊子飛行的軌跡,但蚊子很小隻且飛行速度不慢,實際可以偵測到的成效不知道如何,怎麼辨別蚊子或小型飛蟲和其他東西的差異?  

主題分類