• norsk
    • English
  • English 
    • norsk
    • English
  • Login
View Item 
  •   Home
  • Fakultet for informasjonsteknologi og elektroteknikk (IE)
  • Institutt for datateknologi og informatikk
  • View Item
  •   Home
  • Fakultet for informasjonsteknologi og elektroteknikk (IE)
  • Institutt for datateknologi og informatikk
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Lobster Watchdog

Melsom, Adrian Siim; Johansen, Tobias
Master thesis
Thumbnail
URI
http://hdl.handle.net/11250/2625807
Date
2019
Metadata
Show full item record
Collections
  • Institutt for datateknologi og informatikk [3872]
Abstract
Hummeroppdrett er et område som ikke har benyttet seg av teknologi som maskinlæring og er svært lite automatisert. Prosesser som fôring krever store mengder manuelt arbeid. Fasiliteter på land er lite skalerbare, der dagens løsninger går ut på å separere hummere i egne bur. I denne masteroppgaven vil vi ta for oss noe vi ser på som forløperen til oppdrett i store kar. For at dette skal være mulig må spesifikke egenskaper utvikles hos hummerne gjennom selektiv oppavling.

Utfordringen med denne oppgaven, går ut på at hummere er territoriale og vil etablere dominanse gjennom vold og i noen tilfeller også drepe hverandre. Disse interaksjonene skjer raskt når de først oppstår og det kan være uforutsigbart når dette skjer. Det er derfor en oppgave som krever tålmodighet og gode reaksjoner.

Vi foreslår en løsning som tar i bruk datasyn for å oppdage interaksjoner og utfører analyse på disse for å finne angriperen. Systemet kan bli utvidet til å senere kunne segregere hummerne og fremheve egenskaper som er mindre territoriale og mer passive.

Vi har utført eksperimenter for å detektere interaksjoner, sporing av hummere og deteksjon av vitale nøkkelpunkter ved å lage prototyper av deler av vår foreslåtte metode. I tillegg til dette har vi også eksperimentert med å koble sammen interaksjons- og sporingsnettverkene.
 
The field of lobster farming is currently an area mostly untouched by the likes of machine learning

and has little automation to it. Processes such as feeding are labor intensive. Land facilities are

scarcely scalable, with the current state of the art solutions being separate holding cages for each

lobster. In this master thesis, we will address part of the precursor to open multi-lobster pools. To make

such a pool possible, specific traits have to be reinforced through specific breeding.

The challenge in this task lies in that lobsters are naturally territorial creatures, and will establish

dominance through violence going as far as to kill each other. These interactions happen quickly

when they first start but can be unpredictable as to when they happen. It is thus a task that

requires patience and quick reactions.

We propose a solution where computer vision is used to detect interaction and perform the necessary

analysis of the interaction to find the aggressor. This system can then be extended to perform the

physical task of segregating the lobsters and over time encourage traits such as being less territorial

and being docile.

We have conducted experiments for detecting collision, tracking of lobsters and detection of their

keypoints by creating prototypes of parts of our proposed method. We have also experimented with

coupling the collision network with the tracking network.
 
Publisher
NTNU

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit
 

 

Browse

ArchiveCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsDocument TypesJournalsThis CollectionBy Issue DateAuthorsTitlesSubjectsDocument TypesJournals

My Account

Login

Statistics

View Usage Statistics

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit