Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä
Johdanto
Hankkeen taustaa
Missä mennään konenäön hyödyntämisessä muualla maailmassa?
Tutkimuskysymys: Voidaanko edullisemmilla laitteilla saavuttaa riittävä tarkkuus kalojen ja kalaparvien painon ja muiden ominaisuuksien mittauksessa – panostamalla laitteiston sijaan tekoälyyn?
Opetettu neuroverkko kykenee arvioimaan kalaparven keskipainon ja hajonnan kaupan hyllyltä löytyvän muutaman satasen kameran videoista
Tekoälyllä ”boostattu” kalankasvatus: datan keruu ja eri toimintojen optimointi (ruokinta, käyttäytyminen, terveystilan tarkkailu...).
![Screenshot 2022-09-26 at 10-53-00 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-10-53-00-kirjolohen-hahmontunnistu2:file/photo/1e09a9f9396d818ae29fa8d3519cfed75aee94e6/Screenshot%202022-09-26%20at%2010-53-00%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Tiedon tulkinta kuvista
Konenäköjärjestelmien suosio on kasvanut 2010-luvulla. Syitä tähän on muunmuassa:
![Screenshot 2022-09-26 at 11-08-58 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-08-58-kirjolohen-hahmontunnistus:file/photo/d598830b020fe023600fa3ae222d65216403f452/Screenshot%202022-09-26%20at%2011-08-58%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Näkö on ihmisen tärkein aisti
Kone voidaan opettaa tekemään havaintoja ympäristöstä:
- Datan syöttö ohjelmaan (esim. video; 120 kuvaa/ sekunti)
- Hahmontunnistus
- Mittaus
- Tilastollinen mallinnus (esim. kalan painon ennustaminen)
![Screenshot 2022-09-26 at 11-11-57 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-11-57-kirjolohen-hahmontunnistus:file/photo/887f8638e12bd1395699c98ae0f9eb4e80816850/Screenshot%202022-09-26%20at%2011-11-57%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Koneen opettaminen
Kuvan muuttaminen koneen kielelle eli lukujonoiksi (0,5,2,51...). Lukujonot muodostavat piirteitä, joista kone hahmottaa kalan eri osat. Kone laskee piirteille painoarvot, joita säätämällä oppiminen tapahtuu --> 62 milj. parametrin optimointi vs. 130 milj. näköön erikoistunutta solua, jotka siirtävöt tietoa aivoille.
![Screenshot 2022-09-26 at 11-15-20 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-15-20-kirjolohen-hahmontunnistus:file/photo/f30f36f2690817d8ca4c7124f7d871ecbab74f29/Screenshot%202022-09-26%20at%2011-15-20%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Opetusaineistot
Koneen opettamiseen käytettiin yhteensä noin 35 000 kuvaa kirjolohesta ja kuvia vastaavien pisteiden koordinaatteja. Kuvista 8 000 on täysin synteettistä. Koneen opetuksen kesto oli 2-3 päivää. Kuvista noin 300 oli uniikkeja.
![Screenshot 2022-09-26 at 11-17-29 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-17-29-kirjolohen-hahmontunnistu2:file/photo/2b2f5c37336d1b539d80ca4f516ee5b4cc649e92/Screenshot%202022-09-26%20at%2011-17-29%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Koneen havaintojen vahvistaminen (validointi)
Mittauksen luotettavuuden parantamiseksi jokaista koneen tekemää kalatunnistusta validoitiin erikseen. Analyysistä suodatettiin kuvat, joissa:
- kala on väärässä asennossa
- kalan ääriviivat eivät ole selkeitä
- kalaa ei ole kuvassa ollenkaan
Jokaiselle tunnistukselle ennustettiin todennäköisyys kuulua luokkaan ”1” = hyväksyttävä tunnistus.
![Screenshot 2022-09-26 at 11-21-52 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-21-52-kirjolohen-hahmontunnistus:file/photo/788b3b95394f5b4f0eceb0a7a25aed3b98433443/Screenshot%202022-09-26%20at%2011-21-52%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Mallikuva ja selitykset
![Screenshot 2022-09-26 at 11-23-53 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-23-53-kirjolohen-hahmontunnistu2:file/photo/875d62f94f2a0de9f45f2b0e871335edae2ee95d/Screenshot%202022-09-26%20at%2011-23-53%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Tutkimuksen aineisto
- 77 kalaa, joista 0,5 – 5 min video ja käsin määritetyt mitat:
- Kirjolohen tunnistus (Mask RCNN-algoritmilla)
- Pisteiden (A-F) ennustus ja kalan asennon tarkistus (VGG19 – konv. Neuroverkko)
- Painon ennustaminen koneen määrittämistä mitoista (backprop NN)
Kuvauslaitteisto
- Kaksi "GoPro Hero 3+ Black Edition"- kameraa
- GoPro Dual Hero System:
- Käytetty resoluutio 1280x720
- Kuvataajuus 120 kuvaa/sek (120 fps)
Tietojen keräys
Kalat kuvattiin yksitellen. Kalojen mittaus ja punnitus suoritettiin kuvauksen jälkeen. Saatiin synkronoidut videot ja mitat kalasta, jonka jälkeen synkronoiduista videoista haettiin vastinpisteitä.
![Screenshot 2022-09-26 at 11-32-37 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-32-37-kirjolohen-hahmontunnistus:file/photo/13d784192949056192636527560427d47b7a1b77/Screenshot%202022-09-26%20at%2011-32-37%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Kalan mittojen laskenta kuvasta
3D-mittauksessa määritettyjen pisteiden (A-F) xyz–koordinaateilla laskettiin mitat kaloille. Mittoja saatiin tyypillisesti noin 10 –300 kuva-freimistä (muutama sekunti). Mittojen ääripäät poistettiin ja painon ennustukseen valittiin mittausten mediaani.
![Screenshot 2022-09-26 at 11-34-50 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-34-50-kirjolohen-hahmontunnistus:file/photo/7703df1429c9c08e30388ef96ac7f2177a13f842/Screenshot%202022-09-26%20at%2011-34-50%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Konenäön mittavirhe
Keskimääräinen ero ihmisen ja koneen välillä noin 2-4 cm:
Mittavirhettä aiheuttaa kalan piirteiden katoaminen sakeassa vedessä (kalojen hikoilu ja limaneritys sammiossa).
![Screenshot 2022-09-26 at 11-38-04 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-38-04-kirjolohen-hahmontunnistus:file/photo/dd4c9040f696315faebcf0bf35a3fb671cc998ae/Screenshot%202022-09-26%20at%2011-38-04%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Satunnaisesti valitun kalan painon ennustus
Painoa ennustettiin kuudella koneen arvioimalla mitalla. Tulokset ristiinvalidoitiin 25- kertaisesti siten, että kalat jaettiin
20/80% -jaolla opetus- ja testiaineistoon. Testiaineistossa oli yhteensä 15 satunnaisesti valittua kalaa.
![Screenshot 2022-09-26 at 11-41-14 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-41-14-kirjolohen-hahmontunnistus:file/photo/f009ed6105bd2366cc5e87134ba5313f3999b473/Screenshot%202022-09-26%20at%2011-41-14%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Painon ennustus 15 kalan joukolle
![Screenshot 2022-09-26 at 11-42-21 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-42-21-kirjolohen-hahmontunnistus:file/photo/7638db6001587ea29bbf3f97869185e92d1f23fc/Screenshot%202022-09-26%20at%2011-42-21%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Konenäön potentiaali?
Kirjolohen painon ennustaminen konenäöllä vaikuttaa lupaavalta. Menetelmän validointi edellyttää suurempaa
videoaineistoa ja koneälyn opetusmateriaalia.
Painon ennustaminen kalan pinta-alasta, tai suoraan ennustetuista koordinaateista?
Parven painojakauman mittaaminen?
Lähde ja lisää aiheesta:
Kirjolohen hahmon tunnistus ja painon ennustaminen konenäöllä.pdf
Missä mennään konenäön hyödyntämisessä muualla maailmassa?
Tutkimuskysymys: Voidaanko edullisemmilla laitteilla saavuttaa riittävä tarkkuus kalojen ja kalaparvien painon ja muiden ominaisuuksien mittauksessa – panostamalla laitteiston sijaan tekoälyyn?
Opetettu neuroverkko kykenee arvioimaan kalaparven keskipainon ja hajonnan kaupan hyllyltä löytyvän muutaman satasen kameran videoista
Tekoälyllä ”boostattu” kalankasvatus: datan keruu ja eri toimintojen optimointi (ruokinta, käyttäytyminen, terveystilan tarkkailu...).
![Screenshot 2022-09-26 at 10-53-00 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-10-53-00-kirjolohen-hahmontunnistu2:file/photo/1e09a9f9396d818ae29fa8d3519cfed75aee94e6/Screenshot%202022-09-26%20at%2010-53-00%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Tiedon tulkinta kuvista
Konenäköjärjestelmien suosio on kasvanut 2010-luvulla. Syitä tähän on muunmuassa:
- työvoiman kallistuminen ja saatavuus
- kameroiden kehittyminen ja niiden edullisuus
- ohjelmien helppo saatavuus ja käyttö (avoin lähdekoodi)
![Screenshot 2022-09-26 at 11-08-58 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-08-58-kirjolohen-hahmontunnistus:file/photo/d598830b020fe023600fa3ae222d65216403f452/Screenshot%202022-09-26%20at%2011-08-58%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Näkö on ihmisen tärkein aisti
Kone voidaan opettaa tekemään havaintoja ympäristöstä:
- Datan syöttö ohjelmaan (esim. video; 120 kuvaa/ sekunti)
- Hahmontunnistus
- Mittaus
- Tilastollinen mallinnus (esim. kalan painon ennustaminen)
![Screenshot 2022-09-26 at 11-11-57 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-11-57-kirjolohen-hahmontunnistus:file/photo/887f8638e12bd1395699c98ae0f9eb4e80816850/Screenshot%202022-09-26%20at%2011-11-57%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Koneen opettaminen
Kuvan muuttaminen koneen kielelle eli lukujonoiksi (0,5,2,51...). Lukujonot muodostavat piirteitä, joista kone hahmottaa kalan eri osat. Kone laskee piirteille painoarvot, joita säätämällä oppiminen tapahtuu --> 62 milj. parametrin optimointi vs. 130 milj. näköön erikoistunutta solua, jotka siirtävöt tietoa aivoille.
![Screenshot 2022-09-26 at 11-15-20 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-15-20-kirjolohen-hahmontunnistus:file/photo/f30f36f2690817d8ca4c7124f7d871ecbab74f29/Screenshot%202022-09-26%20at%2011-15-20%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Opetusaineistot
Koneen opettamiseen käytettiin yhteensä noin 35 000 kuvaa kirjolohesta ja kuvia vastaavien pisteiden koordinaatteja. Kuvista 8 000 on täysin synteettistä. Koneen opetuksen kesto oli 2-3 päivää. Kuvista noin 300 oli uniikkeja.
![Screenshot 2022-09-26 at 11-17-29 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-17-29-kirjolohen-hahmontunnistu2:file/photo/2b2f5c37336d1b539d80ca4f516ee5b4cc649e92/Screenshot%202022-09-26%20at%2011-17-29%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Koneen havaintojen vahvistaminen (validointi)
Mittauksen luotettavuuden parantamiseksi jokaista koneen tekemää kalatunnistusta validoitiin erikseen. Analyysistä suodatettiin kuvat, joissa:
- kala on väärässä asennossa
- kalan ääriviivat eivät ole selkeitä
- kalaa ei ole kuvassa ollenkaan
Jokaiselle tunnistukselle ennustettiin todennäköisyys kuulua luokkaan ”1” = hyväksyttävä tunnistus.
![Screenshot 2022-09-26 at 11-21-52 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-21-52-kirjolohen-hahmontunnistus:file/photo/788b3b95394f5b4f0eceb0a7a25aed3b98433443/Screenshot%202022-09-26%20at%2011-21-52%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Mallikuva ja selitykset
![Screenshot 2022-09-26 at 11-23-53 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-23-53-kirjolohen-hahmontunnistu2:file/photo/875d62f94f2a0de9f45f2b0e871335edae2ee95d/Screenshot%202022-09-26%20at%2011-23-53%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Tutkimuksen aineisto
- 77 kalaa, joista 0,5 – 5 min video ja käsin määritetyt mitat:
- A-D (Kuono - pyrstöeväntyvi)
- B-D (Selkäeväetu-pyrstöntyvi)
- B-F (Selkäeväetu-vatsa)
- A-E (Kuono-peräeväntyvi)
- A-C (Kuono-rasvaeväetu)
- Kirjolohen tunnistus (Mask RCNN-algoritmilla)
- Pisteiden (A-F) ennustus ja kalan asennon tarkistus (VGG19 – konv. Neuroverkko)
- Painon ennustaminen koneen määrittämistä mitoista (backprop NN)
Kuvauslaitteisto
- Kaksi "GoPro Hero 3+ Black Edition"- kameraa
- GoPro Dual Hero System:
- kotelo vesitiivis 30 metrin syvyyteen
- kameroiden synkronointi
- Käytetty resoluutio 1280x720
- Kuvataajuus 120 kuvaa/sek (120 fps)
Tietojen keräys
Kalat kuvattiin yksitellen. Kalojen mittaus ja punnitus suoritettiin kuvauksen jälkeen. Saatiin synkronoidut videot ja mitat kalasta, jonka jälkeen synkronoiduista videoista haettiin vastinpisteitä.
![Screenshot 2022-09-26 at 11-32-37 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-32-37-kirjolohen-hahmontunnistus:file/photo/13d784192949056192636527560427d47b7a1b77/Screenshot%202022-09-26%20at%2011-32-37%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Kalan mittojen laskenta kuvasta
3D-mittauksessa määritettyjen pisteiden (A-F) xyz–koordinaateilla laskettiin mitat kaloille. Mittoja saatiin tyypillisesti noin 10 –300 kuva-freimistä (muutama sekunti). Mittojen ääripäät poistettiin ja painon ennustukseen valittiin mittausten mediaani.
![Screenshot 2022-09-26 at 11-34-50 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-34-50-kirjolohen-hahmontunnistus:file/photo/7703df1429c9c08e30388ef96ac7f2177a13f842/Screenshot%202022-09-26%20at%2011-34-50%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Konenäön mittavirhe
Keskimääräinen ero ihmisen ja koneen välillä noin 2-4 cm:
- Suurin virhe pituudessa (A-D)
- Pienin virhe kuono-peräevä ja kuono-rasvaevä mitassa
Mittavirhettä aiheuttaa kalan piirteiden katoaminen sakeassa vedessä (kalojen hikoilu ja limaneritys sammiossa).
![Screenshot 2022-09-26 at 11-38-04 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-38-04-kirjolohen-hahmontunnistus:file/photo/dd4c9040f696315faebcf0bf35a3fb671cc998ae/Screenshot%202022-09-26%20at%2011-38-04%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Satunnaisesti valitun kalan painon ennustus
Painoa ennustettiin kuudella koneen arvioimalla mitalla. Tulokset ristiinvalidoitiin 25- kertaisesti siten, että kalat jaettiin
20/80% -jaolla opetus- ja testiaineistoon. Testiaineistossa oli yhteensä 15 satunnaisesti valittua kalaa.
![Screenshot 2022-09-26 at 11-41-14 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-41-14-kirjolohen-hahmontunnistus:file/photo/f009ed6105bd2366cc5e87134ba5313f3999b473/Screenshot%202022-09-26%20at%2011-41-14%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Painon ennustus 15 kalan joukolle
![Screenshot 2022-09-26 at 11-42-21 Kirjolohen hahmontunnistus ja painon ennustaminen konenäöllä - Kirjolohi_hahmontunnistus_antti-R.pdf.png](https://peda.net/hankkeet/vesiviljely/testi-sivu/konenakosovellukset-merikasvatuksessa/johdanto/screenshot-2022-09-26-at-11-42-21-kirjolohen-hahmontunnistus:file/photo/7638db6001587ea29bbf3f97869185e92d1f23fc/Screenshot%202022-09-26%20at%2011-42-21%20Kirjolohen%20hahmontunnistus%20ja%20painon%20ennustaminen%20konen%C3%A4%C3%B6ll%C3%A4%20-%20Kirjolohi_hahmontunnistus_antti-R.pdf.png)
Konenäön potentiaali?
Kirjolohen painon ennustaminen konenäöllä vaikuttaa lupaavalta. Menetelmän validointi edellyttää suurempaa
videoaineistoa ja koneälyn opetusmateriaalia.
Painon ennustaminen kalan pinta-alasta, tai suoraan ennustetuista koordinaateista?
Parven painojakauman mittaaminen?
Lähde ja lisää aiheesta:
Kirjolohen hahmon tunnistus ja painon ennustaminen konenäöllä.pdf