Publication
Estimativa do Peso de Corvinas e Deteção de Períodos de Alimentação
| dc.contributor.advisor | Pereira, Ana Maria Dias Madureira | |
| dc.contributor.author | Dias, João Leal Madureira | |
| dc.date.accessioned | 2022-09-07T09:34:10Z | |
| dc.date.available | 2022-09-07T09:34:10Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | O presente trabalho de investigação tem como objetivo explorar a aplicação de modelos de machine learning e deep learning a imagens obtidas em tanques que agregam múltiplos peixes (fish farms). O correto desenvolvimento dos seres vivos presentes nestes tanques envolve processos de controlo minuciosos, não só das condições do meio como também das características dos próprios animais. O peso é uma destas características e o seu controlo fornece informações importantes relativamente ao processo de crescimento e à saúde dos animais. É frequente que os processos de controlo utilizados periodicamente pelas instituições responsáveis pela criação e desenvolvimento de determinados seres vivos sejam realizados de forma manual, o que implica não só um consumo de tempo significativo como também poderá colocar em risco o bem-estar do ser vivo e do individuo responsável. Na tentativa de reduzir a janela temporal necessária para a recolha de dados relativos ao peso de corvinas que habitam as fish farms da empresa SEAentia é proposta a utilização de um procedimento, composto por um modelo YOLOv4, por um script em Python e por um modelo de regressão linear simples, capaz de realizar estimativas de peso para cada ser vivo. Adicionalmente, é proposta também a utilização do mesmo modelo de visão por computador e de um script de pós-processamento para identificação de períodos de alimentação, caracterizados pelo agrupamento das corvinas numa determinada região das fish farms. | pt_PT |
| dc.description.abstract | This research work aims to explore the application of machine learning and deep learning models to images obtained from tanks that aggregate multiple fish (fish farms). The correct development of the living beings present in these tanks involves detailed control processes, not only of the environmental conditions but also of the characteristics of the animals themselves. Weight is one of these characteristics and its control provides important information regarding the growth process and the health of the animals. It is common for monitoring processes used periodically by institutions responsible for the breeding and development of certain living creatures to be done manually, which not only implies a significant consumption of time but may also put at risk the welfare of the living being and the individual responsible. In an attempt to reduce the time window required to collect data on the weight of croakers present in SEAentia's fish farms, it is proposed to use a procedure, composed of a YOLOv4 model, a Python script, and a simple linear regression model, capable of making weight estimates for each living creature. Additionally, it is also proposed to use the same computer vision model and a postprocessing script to identify feeding periods, which are characterized by the existence of groups of meagres in a certain region of the fish farms. | pt_PT |
| dc.identifier.tid | 203045394 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/20821 | |
| dc.language.iso | por | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_PT |
| dc.subject | Deteção de objetos | pt_PT |
| dc.subject | Estimativa de pesos | pt_PT |
| dc.subject | Aquacultura | pt_PT |
| dc.subject | Modelo de Visão por Computador | pt_PT |
| dc.subject | Modelo de Regressão Linear simples | pt_PT |
| dc.subject | Object Detection | pt_PT |
| dc.subject | Weight Estimation | pt_PT |
| dc.subject | Aquaculture | pt_PT |
| dc.subject | Computer Vision Model | pt_PT |
| dc.subject | Simple Linear Regression Model | pt_PT |
| dc.title | Estimativa do Peso de Corvinas e Deteção de Períodos de Alimentação | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática - Engenharia de Software | pt_PT |