is Íslenska en English

Lokaverkefni (Meistara)

Háskólinn í Reykjavík > Tæknisvið / School of Technology > Med/MSc Tækni- og verkfræðideild (-2019) / School of Science and Engineering >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/31383

Titill: 
  • Titill er á ensku Deep Learning Approach to Nematode Detection in Hyperspectral Images of Cod Fillets
Námsstig: 
  • Meistara
Leiðbeinandi: 
Útdráttur: 
  • Útdráttur er á ensku

    Manual inspection for defects and subsequent trimming are costly and time consuming tasks in an otherwise highly automated fish processing industry. Detecting and locating parasitic nematodes within fillets is a vital part of developing automatic quality assessment machinery. In this work, a hyperspectral imaging setup is used to collect a dataset of images which is then used to develop and evaluate a deep neural network classifier for detecting parasites in cod fillets. Several different convolutional neural network architectures and processing methods are investigated, resulting in 95% nematode detection rate compared to that of a manual inspection on a candling table. 51% of fillets are free of false alarms, with an average false positive rate of 0.6 per sample. Nematode detection rate compares favorably to other studies that use classical machine learning algorithms. Total image processing speed
    is on average under 3 seconds per minute which makes the model applicable in real time analysis under typical industrial conditions.

  • Þó svo að framleiðsluferlið við fiskvinnslu á Íslandi sé þegar að stórum hluta sjálfvirknivætt, þá er enn að mestu stuðst við handvirkt gæðaeftirlit þegar kemur að því að skoða galla og leita að sníkjudýrum í fiskflökum. Ein helsta áskorunun við að auka enn frekar framleiðni fiskvinnslunnar er að ná einnig að sjálfvirknivæða þennan hluta vinnslunnar.
    Í þessari ritgerð eru skoðaðar aðferðir við að sjálfkrafa finna og staðsetja sníkjudýr (orma) í þorskflökum með því að greina fjölrása (e. hyper-spectral) myndir af upplýstum flökum með djúpnáms tauganetum. Nokkrar mismunandi gerðir taugneta eru skoðaðar og samanburður gerður á virkni þeirra. Niðurstöðurnar gefa til kynna að með þessari tækni sé hægt að finna allt að 95% þeirra orma sem nú greinast handvirkt með hefðbundnum ljósaborðum, og eru þetta betri niðurstöður en náðst hafa hingað til með annarskonar sjálfvirkum greiningaraðferðum.
    Þar að auki eru greiningaraðferðin nægilega hröð, þ.e. tekur innan við 3 sekúndur á mynd, að það er hægt er að beita henni í rauntímavinnslu með ásættanlegum afköstum.
    iv

Samþykkt: 
  • 20.6.2018
URI: 
  • http://hdl.handle.net/1946/31383


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
MSc_Saulius_Genutis_2018.pdf5.78 MBLokaður til...04.06.2023HeildartextiPDF
scan_annast_2018-06-19-13-51-39.pdf951.03 kBOpinnBeiðni um lokunPDFSkoða/Opna