URI | http://purl.tuc.gr/dl/dias/09E7AFA1-5168-46F6-A5D5-D121385FE7E9 | - |
Αναγνωριστικό | https://doi.org/10.1049/iet-ipr.2019.1667 | - |
Αναγνωριστικό | https://ietresearch.onlinelibrary.wiley.com/doi/10.1049/iet-ipr.2019.1667 | - |
Γλώσσα | en | - |
Μέγεθος | 7 pages | en |
Μέγεθος | 1,63 megabytes | en |
Τίτλος | Automated fish cage net inspection using image processing techniques | en |
Δημιουργός | Paspalakis Stavros | en |
Δημιουργός | Πασπαλακης Σταυρος | el |
Δημιουργός | Moirogiorgou Konstantia | en |
Δημιουργός | Μοιρογιωργου Κωνσταντια | el |
Δημιουργός | Papandroulakis Nikos | en |
Δημιουργός | Giakos George | en |
Δημιουργός | Zervakis Michail | en |
Δημιουργός | Ζερβακης Μιχαηλ | el |
Εκδότης | Institution of Engineering and Technology (IET) | en |
Περίληψη | Fish-cage dysfunction in aquaculture installations can trigger significant negative consequences affecting the operational costs. Low oxygen levels, due to excessive fooling's, leads to decrease growth performance, and feed efficiency. Therefore, frequent periodic inspection of fish-cage nets is required, but this task can become quite expensive with the traditional means of employing professional divers that perform visual inspections at regular time intervals. The modern trend in aquaculture is to take advantage of IT technologies with the use of a small-sized, low-cost autonomous underwater vehicle, permanently residing within a fish cage and performing regular video inspection of the infrastructure for the entire net surface. In this study, we explore specialised image processing schemes to detect net holes of multiple area size and shape. These techniques are designed with the vision to provide robust solutions that take advantage of either global or local image structures to provide the efficient inspection of multiple net holes. | en |
Τύπος | Peer-Reviewed Journal Publication | en |
Τύπος | Δημοσίευση σε Περιοδικό με Κριτές | el |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2021-05-28 | - |
Ημερομηνία Δημοσίευσης | 2020 | - |
Θεματική Κατηγορία | Aquaculture | en |
Θεματική Κατηγορία | Automatic optical inspection | en |
Θεματική Κατηγορία | Object detection | en |
Θεματική Κατηγορία | Video signal processing | en |
Θεματική Κατηγορία | Robot vision | en |
Θεματική Κατηγορία | Autonomous underwater vehicles | en |
Θεματική Κατηγορία | Mobile robots | en |
Θεματική Κατηγορία | Automated fish cage net inspection | en |
Θεματική Κατηγορία | Image processing | en |
Θεματική Κατηγορία | Fish-cage dysfunction | en |
Θεματική Κατηγορία | Aquaculture installations | en |
Θεματική Κατηγορία | Visual inspections | en |
Θεματική Κατηγορία | Autonomous underwater vehicle | en |
Θεματική Κατηγορία | Video inspection | en |
Θεματική Κατηγορία | Global image structures | en |
Θεματική Κατηγορία | Local image structures | en |
Θεματική Κατηγορία | IT technologies | en |
Θεματική Κατηγορία | Net holes detection | en |
Βιβλιογραφική Αναφορά | S. Paspalakis, K. Moirogiorgou, N. Papandroulakis, G. Giakos, and M. Zervakis, “Automated fish cage net inspection using image processing techniques,” IET Image Process., vol. 14, no. 10, pp. 2028–2034, Aug. 2020. doi: 10.1049/iet-ipr.2019.1667 | en |