Riconoscimento specie ittiche - Banner pagina case

Pesca industriale Sistema di riconoscimento specie ittiche

Riconoscimento specie ittiche - azienda leader e incipit case

Il cliente
Il committente è un consorzio italiano di pescatori, che effettua la pesca selettiva in mare aperto facendo attenzione alla qualità dell’acqua e della scelta ittica per garantirne la salubrità e la genuinità, e al tempo stesso prestando attenzione alla sostenibilità ambientale e al prezioso equilibrio dell’ecosistema marino.
AZIENDA
eLabor è una cooperativa di produzione e lavoro con una forte vocazione all'innovazione e alla tecnologia in particolare nel campo dell’informatica.
eLabor in RIOS

Esigenze

La richiesta è stata quella di realizzare un sistema di riconoscimento automatico di specie ittiche del Mar Mediterraneo, e più precisamente di poter distinguere, tra il ‘pesce azzurro’, alici e sardine sulla base delle immagini del pescato prese da apposite telecamere.

Soluzione

Il sistema è stato realizzato utilizzando ADR-Flow, il nostro sistema di supporto al machine learning supervisionato, che ha così dimostrato tutta la sua flessibilità ed adattabilità a situazioni molto diverse. Come sempre, ADR-Flow è costituito da due moduli: quello edge e quello cloud. Non avendo in questo caso un obiettivo chiaro, ma solo l’idea di capire cosa fosse possibile fare, abbiamo immaginato che il modulo edge risultasse una stazione mobile organizzata in modo che i pesci potessero essere disposti su un piano per essere fotografati o anche potessero scorrere su un nastro trasportatore, in modo che:

  • la stazione di controllo potesse gestire l’interazione con l’operatore tramite un’interfaccia utente grafica e sonora che si occupa anche delll’invio delle foto e dei metadati al server remoto (modulo cloud);
  • l’unica telecamera “intelligente”, che è un vero e proprio calcolatore (un Raspberry anche in questo caso) con incorporate delle potenti funzionalità, potesse effettuare il riconoscimento dei pesci in tempo reale, colorando i pesci a seconda della loro specie;
Il modulo cloud, invece, è costituito in modo del tutto standard da una macchina virtuale che ha il compito di:
  • ricevere, registrare ed analizzare le immagini
  • consentire a dei tecnici specializzati di ricercare le immagini, visualizzarle e classificarle manualmente, cioè dire per ogni pesce presente nell’immagine se si tratta di un alice o di una sardina, al fine di utilizzarle per l’addestramento e la verifica continua delle prestazioni delle reti neurali
  • supportare i data scientist nell’attività di addestramento delle reti neurali
  • fornire al responsabile del sistema un cruscotto per tenerlo sotto controllo tramite semplici grafici.
Una volta addestrata, la rete neurale viene inviata alla telecamera perché effettui il riconoscimento in tempo reale.

La fondamentale differenza tra questo caso e gli altri, relativi al riconoscimento dei difetti è che qui sono stati utilizzati modelli di reti neurali diversi, specializzati per questo tipo di riconoscimento, e che per lo stesso motivo la classificazione manuale delle immagini è avvenuta tramite sistemi di “visual prompting”.

Risultato

I risultati mostrati dall’esperimento sono ottimi e rispondono alle esigenze del committente. Il sistema realizzato arriva a distinguere correttamente tra alici e sardine e può permettere, in ottica futura, di automatizzare il processo di selezione del pescato.