Inspección de redes de acuicultura con técnicas de procesamiento digital de imágenes
Loading...
Date
2023-04
Authors
Journal Title
Journal ISSN
Volume Title
Program
DEPARTAMENTO DE ELECTRÓNICA. INGENIERÍA CIVIL ELECTRÓNICA
Campus
Casa Central Valparaíso
Abstract
Description
La inspección de jaulas de cultivo es una tarea crucial en la acuicultura marina, tanto para controlar la calidad en el proceso de desarrollo de los peces, como el impacto medioambiental.
Problemas como las roturas y la acumulación de fouling (material no deseado) en las redes, producen graves pérdidas económicas y comprometen el ecosistema marino circundante. En
la actualidad, los procesos de inspección más sofisticados se basan en la observación humana de vídeos submarinos, capturados por una cámara montada en un ROV (vehículo operado a
distancia). Este proceso es tedioso, consume tiempo, es impreciso, depende en gran medida del nivel de experiencia del operador y tiene escasa verificabilidad.
En esta tesis se presentan dos algoritmos para complementar la inspección por video al interior de las redes, mediante técnicas de procesamiento digital de imágenes. Uno consiste en la detección de regiones de daño y el otro en la caracterización del nivel de fouling. El primero segmenta las imágenes para separar la red del fondo y aplica una reducción de ruido para adaptarse a las condiciones submarinas. A continuación, se analizan las áreas de los agujeros formados por la estructura de la red, buscando valores atípicos que representen potenciales regiones de daño. Por último, se analizan los agujeros vecinos de los valores atípicos, para reducir los errores de perspectiva, y se aplica un criterio espacio-temporal de seguimiento,
combatiendo errores de detección esporádica. La segunda propuesta utiliza un enfoque de machine learning basado en redes neuronales convolucionales, para caracterizar tres niveles de fouling sobre las redes de acuicultura. Se recolecta un conjunto de datos que otorga al
modelo la capacidad de operar ante distintas adversidades. Además, se comparan otros modelos conocidos en la literatura mediante transfer learning como una solución alternativa al modelo planteado. Ambos métodos se evalúan con secuencias reales de inspección, donde los resultados indican altos niveles de precisión y abren la posibilidad para el procesamiento en tiempo real en sistemas embebidos.
