論文の概要: Autonomous Underwater Robotic System for Aquaculture Applications

• arxiv url: http://arxiv.org/abs/2308.14762v2
• Date: Fri, 11 Oct 2024 17:54:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-14 13:28:33.141414
• 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, Lakmal Seneviratne, 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）: 0.2499907423888049
• License:
• 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）: 養殖業は、世界の魚の消費の半分以上を生産する食品生産業が盛んである。 しかし、これらの養殖場は、網ペン内の生物汚染、植生、穴などの重要な課題を生じさせ、魚類生産の効率性と持続性に大きな影響を及ぼす。 現在、ダイバーおよび/または遠隔操作車両は、海辺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オペレーターを必要としている。 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。 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

• Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
  本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。 車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。 ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
  論文  参考訳（メタデータ） (2024-10-08T10:35:32Z)
• Autonomous Visual Fish Pen Inspections for Estimating the State of Biofouling Buildup Using ROV -- Extended Abstract [0.0]
  魚のケージ検査は、小規模でも工業でも、どんな魚農場でも必要なメンテナンス作業である。 定期的な検査を行う訓練されたダイバーを 自律的な海洋車両に置き換えれば 人力のコストを下げる 水中検査を行う人間に関連するリスクを取り除く 本研究の目的は、ROVのための自律制御アルゴリズムの開発から、魚介類の画像の自動分割、バイオファウリング状態の正確な推定に至るまで、これらの検査プロセスを自動化するための完全なソリューションを提案することである。
  論文  参考訳（メタデータ） (2024-09-19T14:36:04Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• 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)
• DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water Extent with SAR Images using Knowledge Distillation [44.99833362998488]
  トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。 我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。 実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
  論文  参考訳（メタデータ） (2023-05-02T18:06:21Z)
• 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)
• 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)
• ColibriDoc: An Eye-in-Hand Autonomous Trocar Docking System [46.91300647669861]
  コンピュータビジョンとロボットセットアップを組み合わせた,自律型トロカードッキングプラットフォームを提案する。 キューバのColibri(ハミングバード)にインスパイアされたそのくちばしは、視覚だけで花に合わせる。
  論文  参考訳（メタデータ） (2021-11-30T13:21:37Z)
• 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)
• Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement Learning [49.04274612323564]
  障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。 本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。 データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
  論文  参考訳（メタデータ） (2021-03-08T13:05:46Z)

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。