combineer de kracht van computer vision & synthetische data
Over
Bedrijf
ILVOPlaats
Oostende, BelgieCompetenties
computer visie
machine visie
synthetische data
product herkenning
onderzoeksinstituut voor de visserij
virtuele vissen zullen ons vertellen hoe gezond onze visgronden zijn
case
Dit project van ILVO - Vlaams Instituut voor Landbouw-, Visserij- en Voedingsonderzoek - wil nagaan hoe gezond de visbestanden zijn en hoeveel er gevangen kan worden zonder druk uit te oefenen op de visbestanden.
Door gebruik te maken van machine visie en deep learning-technieken kan de analyse van wat de Belgische visserijsector vangen, verruimd worden. Momenteel zijn waarnemers/onderzoekers-op-zee van ILVO beperkt in hun mogelijkheden aan boord van de schepen.
Dankzij AI-gestuurde beeldverwerking op meer vissersvaartuigen - inclusief vissersvaartuigen waar geen externe waarnemers aanwezig zijn om de visserijquota te tellen en te meten - kunnen conclusies en inschattingen gedetailleerder worden gemaakt.
"We zijn begonnen met het synthetiseren van pladijs. Waar het op neerkomt, is dat we zoveel mogelijk gegevens verzamelen over die ene vis, zoals de textuur ervan, afbeeldingen van de boven- en onderkant van de vis en de verschillende vormen en maten die hij kan aannemen. Je ziet snel welke data niet goed genoeg zijn en dat is een belangrijk voordeel van het werken met synthetische data.
Sander Delacauw
Onderzoeker - ILVO
uitdagingen
Om de AI-gestuurde beeldverwerking te trainen en het AI-model te optimaliseren, is een grote hoeveelheid geannoteerde/gelabelde beeldgegevens vereist.
Op zich is het een heel klassieke toepassing: als je een AI-algoritme voldoende afbeeldingen van een bepaald product laat zien, zal het dit uiteindelijk zelf kunnen herkennen.
De methode wordt vaak gebruikt om producten op een lopende band te sorteren of te controleren. Maar in de complexe omgeving van een vissersboot, met slechte verlichting en allerlei soorten vissen die elkaar kruisen, is het vrijwel onmogelijk om het model op die klassieke manier te trainen.
say hello to synthetic data
vintecc maakt daarom gebruik van een relatief nieuw maar snelgroeiend concept in de AI-wereld: synthetische data.
1 creëer grote & verschillende datasets
- Je traint het systeem niet op data uit de echte wereld, maar op een simulatie daarvan. 'We zijn begonnen met het synthetiseren van pladijs. Het betekent dat we zoveel mogelijk digitale varianten van die ene vis genereren, op basis van echte data zoals de textuur, afbeeldingen van de verschillende kanten van de vis, de verschillende vormen en maten die hij kan aannemen...', zegt ILVO-onderzoeker Sam Vanhoorne.
2 train & itereer het AI-model snel
- Met al deze data wordt een dataset gebouwd waarmee het algoritme getraind kan worden, waarna het in de echte wereld getest wordt.
- Je ziet snel welke data niet goed genoeg zijn. Dat is een belangrijk voordeel van het werken met synthetische data. Uiteindelijk moet het model ruim vijftien commerciële vissoorten kunnen herkennen.
en het resultaat?
Veel AI-toepassingen kunnen worden ontwikkeld of versneld met synthetische data. Het is sterke technologie, vooral voor het herkennen van objecten met een grote verscheidenheid. Dit kunnen biologische producten zijn zoals vissen en planten, maar ook huidinfecties of bepaalde mineralen.
1 schaalvergroting tot 100% monitoring op de schepen
- Momenteel wordt slechts een klein percentage van de Belgische visvangst gemonitord door het beperkte aantal ILVO-waarnemers.
- Met dit systeem zullen waarnemers en een camerasysteem complementair aan elkaar gaan werken, waardoor het mogelijk wordt om op te schalen naar 100% monitoring van de visvangst, stap voor stap, in de loop van de tijd.
2 het project haalde de nationale televisie - VRT NWS
3 en de kranten - De Tijd
