IVL Swedish Environmental Research Institute

ivl.se
Change search
Refine search result
1 - 1 of 1
CiteExportLink to result list
Permanent 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
Rows per page
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sort
  • Standard (Relevance)
  • Author A-Ö
  • Author Ö-A
  • Title A-Ö
  • Title Ö-A
  • Publication type A-Ö
  • Publication type Ö-A
  • Issued (Oldest first)
  • Issued (Newest first)
  • Created (Oldest first)
  • Created (Newest first)
  • Last updated (Oldest first)
  • Last updated (Newest first)
  • Disputation date (earliest first)
  • Disputation date (latest first)
  • Standard (Relevance)
  • Author A-Ö
  • Author Ö-A
  • Title A-Ö
  • Title Ö-A
  • Publication type A-Ö
  • Publication type Ö-A
  • Issued (Oldest first)
  • Issued (Newest first)
  • Created (Oldest first)
  • Created (Newest first)
  • Last updated (Oldest first)
  • Last updated (Newest first)
  • Disputation date (earliest first)
  • Disputation date (latest first)
Select
The maximal number of hits you can export is 250. When you want to export more records please use the Create feeds function.
  • 1.
    Wilhelmsson, Jens
    et al.
    IVL Swedish Environmental Research Institute.
    Johansson, Torbjörn
    IVL Swedish Environmental Research Institute.
    Strand, Åsa
    IVL Swedish Environmental Research Institute.
    Wrange, Anna-Lisa
    IVL Swedish Environmental Research Institute.
    AI som verktyg för klassificering av  ostronyngel från havsbaserade kollektorer2021Report (Refereed)
    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.

    Download full text (pdf)
    fulltext
1 - 1 of 1
CiteExportLink to result list
Permanent 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