Improving design of robot for extracting dead fish roe

Abstract

Å kultivere fiskerogn er en essensiell del av å ale opp fisk til mat. I denne fasen er rognen sårbar for å bli angrepet av ferskvannssopp som vil etablere seg på dødt biologisk materiale for så å spre seg til frisk rogn. Det er derfor essensielt å fjerne så mye av den døde rognen som mulig for å forhindre mer tap av frisk rogn. Ved Norwegian Fish Farms Tydal er det flere baljer som brukes til å ha rognen i som må manuelt sjekkes og renses for død rogn av arbeidere der. Det er i firmaet og dets ansattes interesse å få på plass en autonom enhet som kan utføre dette arbeidet for dem. Denne masteroppgaven omhandler arbeidet gjort for å oppnå dette målet ved å designe og skrive kode for kontroll av en parallell manipulator-type mekanisme som skal benytte stereo datasyn-baserte teknikker for å identifisere og lokalisere død rogn som skal fjernes. Ved testing av roboten, ble det observert at den enkelt kan kontrolleres av en datamaskin som kjører den utviklede pythonkoden, at den er svært nøyaktig og har et høyt nivå av repeterbarhet. Desverre har den ikke en god nok metode for å kalkulere de korrekte aktuatorlengdene for å nå de ønskede endepunktene. Implementasjonen av stereosynmodulen gjenstår å bli utført på grunn av leveranseproblemer med stereokamerautstyret. Et alternativt testmiljø bestående av en firkantbøtte, en 30x30cm kopi av rognsubstratmønsteret og ved bruk av hvite plastperler, ser ut til å fungere bra med en tidligere lagd datasynmodell, men kan trenge justeringer om det skal fungere med bilder fra stereokamera.

The cultivation of fish roe is an essential part of raising fish for food. However, in this phase the roe is vulnerable to infestations of fresh water fungus that will establish itself on dead biological material and then spread to healthy roe. It is therefore essential to remove as much of the dead roe as possible to prevent further losses. At Norwegian Fish Farms Tydal, there are several tanks used for roe hatcheries, which must be manually cleaned of dead roe by human workers. It has been in the interest of the company and the workers to create an autonomous device that will perform this work for them. This masters thesis details the work done to accomplish this goal by designing and writing code for controlling a parallel manipulator-type mechanism that will use a stereo computer vision-based technique to identify and localize dead roe for extraction. During testing it was found that the parallel manipulator robot can easily be controlled by a computer running the developed python code and has a high level of accuracy and repeatability. However it does not yet have a sufficient method for calculating the correct actuator lengths to reach the desired endpoints. Implementation of the stereo vision module remains to be performed because of delivery issues with the stereo camera hardware. An alternative test environment consisting of a square bucket, with a 30x30cm copy of the roe tank inlay pattern structure and using white plastic pellets, was found to function well with a previously made computer vision model, but may need adjustments if used with stereo camera imaging.