IVL Swedish Environmental Research Institute

ivl.se
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
AI som verktyg för klassificering av  ostronyngel från havsbaserade kollektorer
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
2021 (Swedish)Report (Refereed)Alternative title
AI as a tool for classifying oyster algae from sea-based collectors (English)
Abstract [sv]

Den här studien är en fortsättning och vidareutveckling av ett tidigare projekt (Wilhelmsson et al.2020). I det tidigare projektet slogs det fast att det är möjligt att klassificera ostron som antingen Magallana gigas (fortsättningsvis endast Gigas) eller Ostrea edulis (fortsättningsvis endast Edulis) med hjälp av AI-baserad bildbehandlingsteknik.

Ostronen som användes i det tidigare projektet hade tillåtits växa till sig under ca 11 månader i korgar efter att ha skördats från kollektorer och var även manuellt rengjorda innan fotografering.

Det långsiktiga målet med ostronklassificeringen är att kunna sortera ostron automatiskt direkt när de skördas från kollektorer, eftersom det är i det skedet som ostronodlare är i störst behov av ensortering. Genom att sortera ostron direkt vid skörd från kollektorer säkerställs även att inga ostron hunnit bli könsmogna och därför heller inte hunnit föröka sig.

Att sortera direkt från kollektor innebär dock att ostronen som ska klassificeras kommer vara blandade med kalkrester från kollektorerna, samt diverse havslevande organismer i form av marin påväxt.

Därför behöver klassificeraren inte bara kunna se skillnad på olika ostronarter utan även identifiera vad i skörden från kollektorerna som är ostron och ej.

Place, publisher, year, edition, pages
2021.
Keywords [sv]
Ostron, AI, ostronyngel, klassificering, havsbaserade kollektorer, magallana gigas, ostrea edulis, stillahavsostron, europeiska platta ostron
National Category
Computer Vision and Robotics (Autonomous Systems) Fish and Aquacultural Science
Identifiers
URN: urn:nbn:se:ivl:diva-4101Local ID: C639ISBN: 978-91-7883-449-5 (print)OAI: oai:DiVA.org:ivl-4101DiVA, id: diva2:1720239
Funder
Swedish Board of AgricultureAvailable from: 2022-12-19 Created: 2022-12-19 Last updated: 2022-12-19

Open Access in DiVA

fulltext(965 kB)42 downloads
File information
File name FULLTEXT02.pdfFile size 965 kBChecksum SHA-512
2b78e4ddcd67b06e4b193a9df163d6742bdd0a041a61752747ef15b076c29476717662a67122b5bea7d754532ac2c04389ba153b6ec9d5cb8cb8b02124cb1cc7
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Wilhelmsson, JensJohansson, TorbjörnStrand, ÅsaWrange, Anna-Lisa
By organisation
IVL Swedish Environmental Research Institute
Computer Vision and Robotics (Autonomous Systems)Fish and Aquacultural Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 43 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 285 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf