Lobster Watchdog

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.