Fisken blev sjuk, SingTown OpenMV visste det först.

I vattenbruk och akvariefiskhantering kan vanliga sjukdomar som hudåkommor hos fisk, svans- och fenröta och vattensvamp inte bara påverka fiskarnas hälsa och överlevnad allvarligt om de inte upptäcks i tid. Traditionell detektion förlitar sig huvudsakligen på manuell visuell observation, vilket inte bara är ineffektivt utan också lätt störs av grumligt vatten, ljusförändringar och fiskarnas rörelser, vilket gör det svårt att bedöma sjukdomsförloppet i tid och korrekt.

För detta ändamål använder vattenbruksföretag SingTowns OpenMV-smartkamera för att upprätta ett maskinseendebaserat system för fiskhälsokontroll, som används för att i realtid identifiera onormala förhållanden på fiskens kropp. Systemet installeras på glasväggen utanför akvariet eller odlingsbassängen och kan övervaka fiskens aktivitet inom en radie av 1 meter, samt utföra automatisk igenkänning och sjukdomsdetektering på små guldfiskar med en längd på cirka 5 centimeter.

Systemets mål är att genom bildigenkänning bedöma om fisken uppvisar sjukdomstecken som vita fläckar, vit päls, vattenmögel eller frätning av stjärtfenor, för att ge tidiga hälsovarningar och hjälpa odlare att agera i tid.

Vattenbruksföretagets fiskhälsorekognoseringssystem, baserat på OpenMV-smartkameror, integrerar AI-bildigenkänning, färgsegmentering, texturanalys och funktionsjämförelsealgoritmer för att noggrant upptäcka fiskkroppsskador under vatten.

Systemet samlar in bilder från akvariet i realtid via högupplösta kameror. AI på klientsidan använder en färgigenkänningsalgoritm för att extrahera fiskkroppsområden och filtrera bort bakgrundsreflexer. Algoritmen identifierar sedan onormala reflekterande områden som vita fläckar och vattensvamp genom att analysera ljusfördelningen och texturkontinuiteten på fiskkroppens yta. Samtidigt kan algoritmen, baserat på morfologiska egenskaper (som oregelbundna fenkanter, lokala vitaktiga eller suddiga områden), bedöma om det finns fenröta, fenförruttnelse eller svampinfektion.

För att anpassa sig till fiskars rörelser i vatten och ljusfluktuationer har systemet infört dynamisk tröskeljustering och en algoritm för flerbildssammanslagning, vilket möjliggör stabil bedömning av kortvariga kontinuerliga bilder och effektivt minskar falsklarm. Under testerna hölls identifieringsavståndet inom en meter, och systemet kunde samtidigt identifiera flera individer med en noggrannhet på över 92 % för upptäckt av vattensvampsjukdom hos småfiskar som guldfiskar. Detektionsresultaten kan levereras i realtid till en överordnad dator eller app, och varningar om misstänkta sjukdomsförändringar skickas via nätverket.

SingTown OpenMV intelligenta kameror är enkla att använda, har låg strömförbrukning och stark realtidsdetektering, vilket gör dem lämpliga för distribution på gränsenheter inom vattenbruk, akvarium för husdjur och forskningslaboratorier på högskolor, vilket hjälper användare att uppnå snabb, visuell och intelligent övervakning av fiskhälsa.