「深」不可「測」——紅蓮燈魚3D座標重建與智慧管理系統

摘要或動機

考量養魚業者未必能隨時隨地監控魚群的活動情形，因此本研究利用YOLOv5的視覺辨識模型及Deep SORT多目標追蹤演算法進行魚群的座標定位及移動追蹤，開發出一套「智慧魚缸管理系統」，我們分別使用600、150張魚隻照片作為辨識的訓練集與測試集，其結果準確度平均高達99.99%，進一步利用兩鏡頭拍攝的視差以及司乃耳定律所得折射公式重建出魚群中每隻個體的3D座標，再根據個體座標的變換計算其活動量，並推論其可能的行為活動，同時以三維動畫模擬出魚群在魚缸內的即時狀態，此外我們選用OpenCV的輪廓偵測函式，計算個體的側視面積，由此觀察魚隻的成長情形，最終將上述各數據寫入MySQL資料庫作統計分析，當發生特定事件時，將透過Line Notify傳送訊息及時通知業者處理。