Method for restoring occluded boundaries of dense juvenile abalone in aquaculture environments based on discrete cosine transform
Cet article propose une nouvelle méthode pour restaurer les contours occultés des ormeaux juvéniles denses dans les environnements d'aquaculture en intégrant un module de fusion de caractéristiques multi-échelles et un module de bruit apprenable basé sur la transformée en cosinus discrète afin d'améliorer la précision de la segmentation et de relever les défis liés à la petite taille, à la distribution dense et aux occlusions complexes.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde trépidant de l'aquaculture, l'ormeau est une créature prisée, appréciée pour sa richesse nutritionnelle et la forte demande pour sa chair. Pour les éleveurs, les premières étapes de l'élevage de ces mollusques sont critiques. Avant de pouvoir être vendus ou transférés dans des bassins plus grands, les ormeaux juvéniles doivent être soigneusement triés et classés par taille. Ce processus est traditionnellement effectué à la main, une tâche lente et exigeante en main-d'œuvre qui nécessite aux travailleurs de toucher physement les animaux délicats. Un tel contact risque d'endommager leurs coquilles et peut introduire des virus qui menacent l'ensemble du stock. Pour résoudre ce problème, les scientifiques se sont tournés vers la vision par ordinateur, un domaine où les machines apprennent à « voir » et à analyser des images. L'objectif est de créer un système capable de compter et de mesurer automatiquement ces minuscules créatures sans jamais les toucher. Cependant, cette tâche est loin d'être simple. Dans un bassin de ferme réel, des milliers d'ormeau s'agglutinent, s'empilant souvent les uns sur les autres. Pour une caméra, ils ressemblent à une masse de coquilles emmêlée et mouvante où les limites individuelles sont cachées. Lorsqu'un ordinateur essaie de les séparer, il voit souvent une seule grande masse au lieu de nombreux animaux distincts, ou il manque les contours où un animal s'arrête et un autre commence.
Une équipe de chercheurs de l'Université de Ludong en Chine a développé une nouvelle méthode pour aider les ordinateurs à voir à travers cette confusion visuelle. Ils se sont concentrés sur le défi spécifique de l'« occlusion », qui est le terme technique désignant le fait qu'un objet en bloque un autre. Dans leur étude, ils ont abordé le problème des cibles denses et de petite taille — spécifiquement, des ormeaux juvéniles entassés dans des réservoirs remplis d'algues. Les chercheurs ont construit un ensemble de données personnalisé appelé AbData, contenant plus de 148 000 images de ces scènes encombrées, pour entraîner leur système. Ils ont constaté que les programmes informatiques existants, qui fonctionnent bien pour des objets plus grands ou plus espacés, éprouvaient des difficultés significatives avec ces petites coquilles chevauchantes. Les programmes échouaient souvent à tracer le contour correct autour de chaque ormeau individuel, laissant des lacunes ou fusionnant des animaux distincts en une seule forme.
Pour corriger cela, les chercheurs ont conçu un nouveau modèle informatique qui agit comme un artiste habile reconstruisant une image déchirée. Leur approche repose sur deux innovations principales. Premièrement, ils ont créé un système qui examine l'image à travers différentes « lentilles » de détail simultanément. Imaginez regarder une pièce bondée : de loin, vous voyez un flou de personnes ; de près, vous voyez des visages et des mains. Le nouveau modèle combine ces différents niveaux de détail, lui permettant de comprendre à la fois la foule globale et la forme spécifique d'une seule coquille. Cela aide l'ordinateur à deviner où une limite cachée pourrait se trouver, même si elle est couverte par une voisine. Deuxièmement, ils ont introduit une méthode pour « remplir les blancs » en utilisant une technique mathématique qui analyse les motifs d'ombre et de lumière dans l'image. Lorsque l'ordinateur voit un bord brisé, cette partie du système apprend à prédire ce à quoi la ligne manquante devrait ressembler, lissant les formes dentelées ou incomplètes qui confondent habituellement les autres programmes.
Les résultats de leurs tests montrent que cette nouvelle méthode est efficace. Lorsqu'ils ont comparé leur système à d'autres outils de vision par ordinateur populaires, leur modèle a produit des contours plus précis pour les ormeaux. Il était particulièrement performant pour séparer les animaux qui étaient étroitement serrés, réduisant ainsi le nombre d'erreurs où deux ormeaux étaient comptés comme un seul ou lorsqu'un animal était omis. Le système a également maintenu une vitesse élevée, traitant les images assez rapidement pour être utile dans un environnement d'élevage en temps réel. En améliorant la capacité de voir et de compter ces petites créatures cachées, les chercheurs ont fourni un outil qui pourrait éventuellement remplacer le tri manuel. Cela permettrait non seulement d'accélérer le processus de calibrage, mais aussi de protéger l'ormeau du stress et des dommages potentiels causés par la manipulation humaine, offrant un avenir plus propre et plus efficace pour l'industrie.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.