論文の概要: Autonomous Underwater Robotic System for Aquaculture Applications
- arxiv url: http://arxiv.org/abs/2308.14762v1
- Date: Sat, 26 Aug 2023 10:45:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 17:17:13.956994
- Title: Autonomous Underwater Robotic System for Aquaculture Applications
- Title(参考訳): 養殖用自律型水中ロボットシステム
- Authors: Waseem Akram, Muhayyuddin Ahmed, Lyes Saad Saoud, Lakmal Seneviratne,
and Irfan Hussain
- Abstract要約: 本研究の目的は, 生物汚染, 植生, 網穴, プラスチックなどの異なる養殖網の欠陥をリアルタイムに検出することを目的として, オン・ROV処理を指向した養殖網ペンの自動欠陥検出システムを開発することである。
提案システムは,アクアネット周辺の車両移動に対する深層学習に基づく欠陥検出法とフィードバック制御法を併用して,網状画像の明確なシーケンスを取得し,検査タスクによって網の状態を確認する。
- 参考スコア(独自算出の注目度): 1.1767330101986737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aquaculture is a thriving food-producing sector producing over half of the
global fish consumption. However, these aquafarms pose significant challenges
such as biofouling, vegetation, and holes within their net pens and have a
profound effect on the efficiency and sustainability of fish production.
Currently, divers and/or remotely operated vehicles are deployed for inspecting
and maintaining aquafarms; this approach is expensive and requires highly
skilled human operators. This work aims to develop a robotic-based automatic
net defect detection system for aquaculture net pens oriented to on- ROV
processing and real-time detection of different aqua-net defects such as
biofouling, vegetation, net holes, and plastic. The proposed system integrates
both deep learning-based methods for aqua-net defect detection and feedback
control law for the vehicle movement around the aqua-net to obtain a clear
sequence of net images and inspect the status of the net via performing the
inspection tasks. This work contributes to the area of aquaculture inspection,
marine robotics, and deep learning aiming to reduce cost, improve quality, and
ease of operation.
- Abstract(参考訳): アクアカルチャーは世界の魚の消費の半分以上を生産する食料生産部門である。
しかし、これらのアクアファームは、漁獲量、植生、網の穴などの重要な課題をもたらし、魚類生産の効率と持続性に大きな影響を与えている。
現在、ダイバーおよび/または遠隔操作車両がアクアファームの検査と維持のために配備されており、このアプローチは高価であり、高度に熟練した人間操作者を必要とする。
本研究の目的は, 生物汚染, 植生, 網穴, プラスチックなどの異なる養殖網の欠陥をリアルタイムに検出し, ROV処理を指向した養殖網ペンの自動欠陥検出システムを開発することである。
提案システムは,アクアネット周辺の車両移動に対する深層学習に基づく欠陥検出法とフィードバック制御法を統合し,網状画像の明確なシーケンスを取得し,検査タスクによって網状画像の状態を検査する。
この研究は、水文化検査、海洋ロボティクス、深層学習の分野に貢献し、コスト削減、品質向上、運用の容易化を目的としている。
関連論文リスト
- IoT-Based Environmental Control System for Fish Farms with Sensor
Integration and Machine Learning Decision Support [1.3499500088995464]
本稿では,魚類養殖におけるデータ駆動型意思決定支援の力について述べる。
環境責任と経済性を強調しつつ、魚介類需要の増大に対応することを約束する。
論文 参考訳(メタデータ) (2023-11-07T14:35:16Z) - Evaluating Deep Learning Assisted Automated Aquaculture Net Pens
Inspection Using ROV [0.27309692684728615]
魚は魚の養殖場から海に逃げ出す。
従来の検査システムは、専門家のダイバーやROVによる視覚検査に依存している。
本稿では,養殖網ペンを対象としたロボットによる自動網欠陥検出システムについて述べる。
論文 参考訳(メタデータ) (2023-08-26T09:35:49Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳(メタデータ) (2023-05-03T05:16:54Z) - Towards The Creation Of The Future Fish Farm [3.8176219403982126]
魚の養殖環境は、管理された環境の中で魚介類の世話と管理を支援する。
このセクターでは、効率を高めるために新しい技術が常に実装されている。
本研究は,将来の養殖施設の効率性と利用性を示す概念実証である。
論文 参考訳(メタデータ) (2023-01-02T21:41:06Z) - Unified Automatic Control of Vehicular Systems with Reinforcement
Learning [64.63619662693068]
本稿では,車載マイクロシミュレーションの合理化手法について述べる。
最小限の手動設計で高性能な制御戦略を発見する。
この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
論文 参考訳(メタデータ) (2022-07-30T16:23:45Z) - IoT based Smart Water Quality Prediction for Biofloc Aquaculture [1.820324411024166]
養殖におけるバイオフロック技術は、マニュアルを微生物タンパク質に変換することによって、未使用の飼料の再利用を可能にする高度なシステムに変換する。
この記事では、センサを使用してデータを収集し、機械学習モデルを使用して分析し、人工知能(AI)の助けを借りて決定を生成し、ユーザに通知を送信するシステムを紹介した。
論文 参考訳(メタデータ) (2022-07-27T03:00:48Z) - Smart IoT-Biofloc water management system using Decision regression tree [0.0]
バイオフロック技術は、従来の農業を高度なインフラに変え、バクテリアのバイオマスへと転換することで、余剰食品の利用を可能にする。
本稿では,センサからデータを収集し,データをクラウドに保存し,機械学習モデルを用いて水の状態を予測するシステムを紹介し,アンドロイドアプリによるリアルタイムモニタリングを行う。
論文 参考訳(メタデータ) (2021-12-05T14:12:07Z) - ReLMM: Practical RL for Learning Mobile Manipulation Skills Using Only
Onboard Sensors [64.2809875343854]
ロボットは、ナビゲーションと把握の組み合わせを必要とするスキルを自律的に学習する方法について研究する。
我々のシステムであるReLMMは、環境機器を使わずに、現実世界のプラットフォームで継続的に学習することができる。
グラウンドカリキュラムトレーニングフェーズの後、ReLMMは、現実世界のトレーニングの約40時間で、ナビゲーションと完全に自動的なグリップを学習できる。
論文 参考訳(メタデータ) (2021-07-28T17:59:41Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳(メタデータ) (2021-03-31T00:05:54Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳(メタデータ) (2020-11-28T05:51:19Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳(メタデータ) (2020-07-02T19:08:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。