Projectnieuws Gebruik van Machine Vision voor data in de boomkorvisserij

25/03/2020
Een still uit Machine Vision, een platvis met blauwe herhalende contouren
Een technologische aanpak moet resulteren in meer data over vangsten en teruggooi in de boomkorvisserij

Machine Vision introduceren in de Belgische boomkorvisserij met behulp van self-sampling, dat is de opzet van project VISIM. Die technologische aanpak moet resulteren in een grotere data flow over vangsten en teruggooi in deze specifieke tak van de visserij, en over de toestand van minder goed gekende visbestanden.

Automatische beeldherkenning

Slechts een klein percentage van de vangsten van de Belgische vloot wordt gedocumenteerd via het monitoringsprogramma van ILVO, dat is gebaseerd op het werk van zeegaande waarnemers. Die steekproefaanpak levert data van hoge kwaliteit, maar beperkt in omvang, waardoor er voor minder courante vissoorten zoals tarbot, griet en bepaalde roggensoorten een tekort aan data bestaat over hun verspreiding en dichtheden in de visgebieden. Machine Vision, een automatisch systeem voor beeldherkenning van vissoorten aan boord, zou een oplossing kunnen zijn. Op die manier kunnen vissersvaartuigen zelf hun data verzamelen, een principe dat self-sampling heet.

Soortherkenningssoftware

Binnen project VISIM werkt ILVO nauw samen met de bemanning van de “Jasmine” Z483, een Belgisch boomkorvaartuig. Wetenschappers en vissers onderzoeken wat de mogelijkheden zijn om een beeldherkenningssyteem op te stellen aan boord van het schip. Dat systeem wordt binnen ILVO ontwikkeld met behulp van zowel klassieke beeldherkenningsmethoden als artificiële intelligentie. De ontwikkelde software is nu reeds in staat om verenkelde vissen, die getransporteerd worden op een lopende band, te meten met een gemiddelde nauwkeurigheid van minder dan 3mm onder gestandaardiseerde omstandigheden. De volgende stap binnen dit project is de ontwikkeling van de soortherkenningssoftware, waarbij een grote hoeveelheid beelden verzameld wordt van de te identificeren soorten (tong, pladijs, ...). Deze beelden worden gevoed aan de machine learning software, die vervolgens vissen moet kunnen identificeren wanneer ze in beeld komen. De laatste stap is het installeren en testen van het systeem aan boord.

Bron aan waardevolle informatie

Bij succesvolle implementatie aan boord van vissersschepen, en eventueel ook in de vismijn, kan de dataverzameling in de visserij meteen een aantal versnellingen hoger schakelen. Ook voor vissers zou het nieuwe systeem winst kunnen opleveren: zij zouden bijvoorbeeld op basis van real-time metingen van de lengteverdelingen per vangst kunnen inschatten wat op een bepaald moment de meest interessante visgronden zijn.

Project: VISIM
Looptijd: 2019 - 2020
Financiering:
EFMZV

Ook interessant

Persbericht 24/08/2021

Rog, Vis van het Jaar 2021

3 soorten roggen op een rij
Rog wordt in Vlaanderen ”vis van het jaar 2021”. VLAM zet rond deze vissoort een promotiecampagne op, met opvallend veel nuances en weetjes. Het is opnieuw het Instituut voor Landbouw-, Visserij- en V...