Prosessering og presentasjon av Sensorfisk-data

Abstract

Mekanisk avlusning av laks er en type ikke-medikamentell avlusning som utsetter fisken for mekaniske påkjenninger. SINTEF Ocean har utviklet en sensorpakke, Sensorfisk, som måler bevegelsesrelatert data. Sensorfisk muliggjør kartlegging og kvantifisering forholdet for laks under mekanisk avlusning.

Målet med denne oppgaven er å lag ene kinematisk modell for sensorfiskens posisjon, analysere data for å detektere hendelser av interesse og utvikle og teste forskjellige estimatorstrukturer. Utvikle metoder for å visualisere data fra Sensorfisk i 2D og 3D, og til slutt utføre tester basert på resultatene til de foreliggende målene. Datasettene benyttet er hentent inn gjennom felttester på seks forskjellige avlusningssystemer med to forskjellige Sensorfisk.

Resultatet ble flere algoritmer for både prosessing og analysering av Sensorfisk data. Automatisk deteksjon av innløp og utløpt, samt automatisk deteksjon av støt ble realisert med utmerket funksjonalitet. Den optimale estimatorstruktur for estimering av posisjon blir presentert, det gjenstår å implementere estimatorstrukturer.

Mechanical delousing of salmon is a type of non-medicinal treatment for lice that exposes the salmon for mechanical strain. SINTEF Ocean har developed a sensor package, Sensorfisk (sensor fish), that measures motion related data. Sensorfisk makes it possible to map and quantify the conditions under mechanical delousing.

This thesis presents a kinematic model for the position of the sensor fish, analyses data to detect events that are of interest and develops and tests different methods of estimation. Developing methods to visualize data from sensor fish in 2D and 3D, and ultimately perform test based on the results of the tasks. The data used is collected from tests performed on six different delousers with two different Sensorfisk.

The result was several algorithms designed to both process and analyze data from Sensorfisk. Automatic detection of inlet and outlet, as well as automatic detection of impacts was implemented with outstanding functionality. Optimal methods for estimation of position is presented, it remains to implement the method.