| dc.description.abstract | Hensikten med denne oppgaven har vært å utvikle en ny algoritme for optimalisering av rognsorteringsmaskiner. Bakgrunn for valg av oppgave er at studenten har sett et forbedringspotensial og begrensninger i det eksisterende oppsettet til maskinene.Målsetningen for oppgaven har vært å utarbeide en helt ny løsning på sorteringsalgoritmen, uavhengig av tidligere og pågående parallelle arbeid. Algoritmen skal likevel kunne implementeres på eksisterende maskiner uten store endringer i software. Det skal også lages en veldefinert metode for trening av algoritmen. Hovedfokus til algoritmen skal være å detektere øyne på lakseegg med svært høy sikkerhet. Den skal også kunne sortere ut småøyne, blankegg, samt tvillinger. Der sistnevnte er noe de forrige maskinene ikke var i stand til. Retningslinjene for sortering av rogn er konkrete og godt egnet for maskinell sortering. Et godkjent egg skal være gjennomsiktig med jevn farge og tekstur. Egget skal også inneholde en yngel med to øyne som har oppnådd tilstrekkelig størrelse. Sammen med AquaGen er det utarbeidet fire kriterier for godkjente egg, i tillegg er det utarbeidet en oversikt for de ulike mulige klassene av egg. Egg som er døde eller døende er viktig å sortere ut fordi de råtner svært fort, noe som sprer seg over på gode egg og dermed kan ødelegge disse også.Eksisterende rognsorteringsmaskiner baserer seg ikke på kamerateknikk, men analog lysmåling for å detektere egg som er ugjennomsiktige/hvite. Det er utviklet tre tidligere versjoner av rognsorteringsmaskinen; første testrigg, prototyp og generasjon 1 maskin. Algoritmene som er brukt i de tidligere versjonene er stort sett like. Det teoretiske rammeverket for oppgaven er valgt ut med bakgrunn i oppgavens problemstilling og målsetninger. Valg av type kamera, optikk og belysning har lagt grunnlaget for hvordan den nye algoritmen bør utvikles. Hastighet og lysfølsomhet var hovedgrunn til at et 8 bits sort/hvitt kamera ble benyttet allerede fra starten av utviklingen. Softwarepakken Labview er brukt som programmeringsverktøy for utvikling av den nye algoritmen. MiniTab er et program som blir brukt for å bearbeide statistikk og lage punktdiagrammer. Bildebehandling og ?analyse, som for eksempel kantdeteksjon i en eller flere dimensjoner, er utdypet. Binær partikkelanalyse er også benyttet. Statistisk læring baserer seg på veletablerte matematiske metoder og det har vist seg å ha stor suksess på en rekke maskinsystemer. PCA er en metode som benyttes for å redusere dimensjonene på datasettet slik at klassifiseringsoppgavene blir enklere å gjennomføre.I kapittel 3, Modifisering og programmering, presenteres det hvordan tester, modifikasjoner og videreutvikling av algoritmene har blitt utført. En optimalisering av belysningen er gjennomført. Den økte lysmengden gir bedre gjennomlysing av egget, samtidig som mindre blenderåpning gir bedre dybdeskarphet. En lavere eksponeringstid gjør bildene mindre følsom for hastigheten som eggene har forbi fotoposisjonen. Det er samlet inn flere datasett som alle ble tatt fra samme gruppe egg på samme dag. Datasettet er til sammen på 14 000 bilder, eller 7000 egg (to bilder per egg). I algoritmen avgjøres det om egget er et hvitegg eller et tomt hull, samtidig som øyne detekteres og klassifiseres. Et sett data fra hvert bilde sendes videre til eggklassifikatoren som kombinerer øyeklassifiseringen fra de to bildene til en samlet klassifikasjon på egget. Resultatene av modifiseringen og programmeringen som er gjort presenteres i kapittel 4. Det er brukt to forskjellige datasett for å sammenligne maskinen med og uten modifisert belysning. Ytelsen på umodifisert generasjon 1 maskin ble først testet. Innen normalklassen sorterte den nye algoritme ut færre normale egg enn de to gamle algoritmene, men med en lav feilprosent. På småøye og blanke egg sorterer derimot den nye ut flere egg enn de gamle og med mye lavere feilprosent. Prototyp algoritmen som sorterer færrest feil i normalklassen, sorterer flest feil på småøye og har lavest andel riktige.Videre er ytelse på modifisert generasjon 1 maskin testet. Alle algoritmene har høyere sorteringsgrad enn for umodifisert maskin, men den nye algoritmen viser en mye større forbedring enn de andre. På normale egg har den nye algoritmen høy sorteringsgrad, bare 1.08 % av eggene ble sortert feil. For småøyne har den nye algoritmen høy sorteringsgrad. For tvillinger ble en av to egg detektert som tvilling av den nye algoritmen, det andre egget ble detektert som ubestembart. Begge de gamle algoritmene detekterte begge tvillingene som normale. Det ble gjennomført tester med blå forgrunnsbelysning, men det ble ikke produsert noen andre resultater enn en visuell vurdering av dette.Resultatene som presenteres i denne oppgaven er svært gode. Det er likevel rom for forbedringer i forhold til utviklingsprosessen. Eggene skulle helst vært sortert på forhånd av kyndig personell, før de ble logget i maskinen, slik at det hadde vært mindre tvil om hva som er tilstrekkelig øyestørrelse og hva som er godkjente egg. Ved å ha forsortert data er det mulig at resultatene ville vært riktigere i forhold til virkeligheten. Datasettene som er brukt i denne oppgaven er, i likhet med datasett brukt under tidligere utvikling, ujevnt fordelt med tanke på veldig mange normalegg mot et mindre antall småøye- og blankegg. Det er også viktig at datasettene man bruker har like mye variasjon som man kan forvente seg i virkeligheten dersom man vil ha god ytelse under varierte forhold. En sammenligningstesting på forsorterte datasett, med forskjellig forsterkning på kameraet, vil kreve en del tid men det vil gi svar på hva som gir best resultat. Kameraene kunne med fordel vært plassert litt nærmere egget for å få flere piksler per millimeter.Resultatene indikerer at den nye algoritmen sorterer egg med mye større sikkerhet enn de gamle algoritmene. Resultatene viser også at de gamle algoritmene sorterer svært dårlig på egg som skal sorteres bort. Med en utsorteringsgrad på blankegg og småøye på nærmere 100 % vil dagens rutiner med å sjokke rogn kunne endres eller utelates. Den nye algoritmen er i tillegg mer effektiv enn før og har kortere kjøretid, noe som åpner for muligheten til å øke hastigheten på maskinene. Algoritmen er også mye mer robust med tanke på belysning, dybdeskarphet og eksponering. Egg som er ubestembare kan kjøres to runder i maskinen og dette medfører en teoretisk sorteringsgrad på over 98 %, noe som er svært tilfredsstillende.Dersom den nye algoritmen skal brukes på generasjon 1 maskinene vil det være nødvendig å oppgradere maskinene. Siden maskinene allerede har installert Labview og lisenser, vil en versjon av algoritmene presentert i denne oppgaven utgjøre laveste kostnader. Ytelse og brukervennlighet bør være de viktigste aspekter for brukerne. Brukergrensesnittet på de tidligere versjonene kan forenkles noe. Inne i programmet er det viktig at brukergrensesnittet er så enkelt og forståelig som mulig. Det hadde i tillegg vært interessant og gjennomført tester ved bruk av kamera med LinLog teknologi. Sannsynligvis ville det gitt bedre bilder og et bedre utgangspunkt for å lage en god klassifikator. På bakgrunn av oppnådde resultater i denne oppgaven anbefales det videre arbeid og utvikling med den nye algoritmen for rognsorteringsmaskinen. | nb_NO |
