Kulmule, makrel eller lygtefisk? Norsk maskinlæring bestemmer arter
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, tilbud mm via telefon, SMS og email. I nyhedsbreve og mails fra Teknologiens Mediehus kan findes markedsføring fra samarbejdspartnere.

Kulmule, makrel eller lygtefisk? Norsk maskinlæring bestemmer arter

Illustration: Scantrol Deep Vision AS

Det norske Havforskningsinstituttet er i disse dage på ekspedition for at teste maskinlæringsevnerne i Deep Vision-systemet. Deep Vision er et kamerasystem, som sættes fast ved indgangen til trawlet med henblik på at måle mængden og artsbestemme fiskene uden at hive dem om bord og tage livet af dem.

Pointen med maskinlæringen er at automatisere artsbestemmelsen. Hidtil er artsbestemmelsen foregået ved, at forskerne tolker hvert billede, som kameraerne tager manuelt.

Nu har de lavet en algoritme til at genkende arterne sild, kulmule, makrel og lygtefisk.

Systemet er blevet testet i 2017, 2018 og nu i 2019 og viser, at omkring 90 procent af fiskene bliver rigtigt identificeret.

Udskiftede kamera

Det nye ved ekspeditionen, som nu er i gang, er, at artsbestemmelsen skal ske i realtid, ikke efter fire måneder som tidligere. Dataene bliver også præsenteret som en tegning af trawlet, hvor forskellige farvekoder repræsenterer de forskellige arter, mens dataene tidligere blev præsenteret som et ekkogram (en kurve baseret på ekkolod-data).

»Problemet er, at vi ikke har kontrol over, hvordan fisken svømmer ind i trawlet. Det er let at artsbestemme en fisk, som svømmer foran kameraet, for så får man et billede taget fra siden. Men fiskene kan svømme op, ned eller med maven mod kameraet, og her bliver det vanskeligere,« siger kameraansvarlig Shale Rosen fra Havforskningsinstituttet.

Han har skiftet kameraerne og lyset i Deep Vision, for at systemet skal blive mere præcist.

»Vi har udskiftet kameraerne med nogle, som viser billeder i fire gange højere opløsning. Vi har også øget lysmængden med omkring 50 procent, for at maskinlæringen får bedre billeder at arbejde med,« siger Shale Rosen.

Sådan fungerer systemet. Artiklen fortsætter efter videoen

Makrel er lettest at artsbestemme

Havforsker Vaneeda Allken, som arbejder med populationsgenetik, fortæller, at de har brugt omkring 70 billeder pr. art, som de har genereret nye billeder ud fra for at træne maskinlæringen. Derefter har de brugt omkring 1.000 billeder til at teste systemet.

»Makrel var den letteste art at klassificere for systemet. Jeg er ikke sikker på hvorfor, men den har enkelte kendetegn som striberne, som kan gøre klassificeringen enklere,« siger Vaneeda Allken.

Maskinlæringen er en del af Cogmar-projektet, som har fået 15,5 millioner NOK i IKT-støtte. Målet er at udvide maskinlæringen til andre arter i fremtiden. De forestiller sig også, at systemet på længere sigt skal kunne skelne undslupne opdrætslaks fra vildlaks.

Artiklen er fra tu.no.

Emner : Dyr
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Hvis ikke jeg tager fejl, så viser billedet, der illustrerer artiklen, en stime fussilers og ret uklart i nederste højre hjørne en haj (en hammerhaj?).
Måske et hint om at der er eksportpotentiale :)

  • 0
  • 0

Hej Jens og Martin

I har jo ganske ret. Det var ikke et helt fornuftigt billede. Det stod var markeret som Makrel i vores system, og så har vi vist ikke været skarpe nok i fisk til at opdage fejlen. Det er rettet op nu. Tak fordi I gør opmærksom på det.

Mvh Christian
Jourhavende, ing.dk

  • 1
  • 0