StereoGeoBox misst das Gewicht schwimmender Fische in Echtzeit – ohne vollständige 3D-Karten
Ingenieure kombinieren zwei Kameras und Edge-Computing, um das Wachstum in der Aquakultur direkt im Becken zu verfolgen.
Automatisch aus dem englischen Original übersetzt Original lesen
Forscher der Sultan Qaboos University und Partnerinstitutionen haben ein Unterwasserkamerasystem entwickelt, das Größe und Gewicht von Fischen im laufenden Betrieb schätzt. Die Erfindung, beschrieben in „Computers and Electronics in Agriculture“ am 23. Oktober 2026, umgeht ressourcenintensive vollständige Tiefenkarten, indem sie die Geometrie direkt aus Paaren von Bounding Boxes berechnet. Durch die Verarbeitung der Bilddaten auf einem kompakten Edge-Prozessor ermöglicht der Aufbau Fischfarmen eine schnelle Wachstumsverfolgung und vermeidet die Rechenengpässe der klassischen Stereovision.
Geometrische Größenbestimmung ersetzt dichte Unterwasser-Tiefenkarten
Konventionelle optische Unterwassersysteme stoßen in kommerziellen Becken an ihre Grenzen. Trübes Wasser, wechselnde Beleuchtung und aufsteigende Belüftungsblasen beeinträchtigen häufig die Tiefenrekonstruktion, während die Erzeugung vollständiger 3D-Tiefenkarten erhebliche Rechenleistung erfordert. Um diese Einschränkungen zu bewältigen, entwickelte ein Ingenieurteam der Sultan Qaboos University, der Abdullah Al Salem University in Kuwait und des omanischen Ministeriums für Landwirtschaft, Fischerei und Wasserressourcen StereoGeoBox. Das System stützt sich auf zwei synchronisierte Kameras, die Paarbilder schwimmender Fische aufnehmen, wie Phys.org berichtet. Statt jedes Hintergrundpixel im Becken zu kartieren, setzt die Software YOLO11 künstliche Intelligenz ein, um jeden Fisch in einer Bounding Box zu isolieren. Die räumliche Tiefe wird anschließend ausschließlich aus der geometrischen Disparität zwischen den entsprechenden Box-Koordinaten berechnet.
„Indem die Tiefe nur dort geschätzt wird, wo Fische erkannt werden, senkt StereoGeoBox den Rechenaufwand und behält gleichzeitig die Geschwindigkeit und Genauigkeit, die für die Echtzeitüberwachung in der Aquakultur nötig sind“
— Dr. Said Al-Abri, korrespondierender Autor an der Sultan Qaboos University
Tilapia-Versuche liefern Millimetergenauigkeit auf einem Edge-Prozessor
Die geschätzten Werte für Länge und Breite der Fische fließen in ein XGBoost-Machine-Learning-Modell ein, das das Gesamtgewicht vorhersagt. Die Forscher testeten das System an Tilapia in vier bestimmten Wachstumsstadien: 2, 3, 6 und 15 Monaten. In einem kontrollierten Benchmark mit Fischen, deren manuell überprüfte Referenzlänge 15,30 Zentimeter betrug, schätzte der Algorithmus eine durchschnittliche Länge von 15,25 Zentimetern. Die Rechenaufgaben liefen lokal auf einer NVIDIA Jetson Thor-Plattform, die mit einem spezialisierten Kameragehäuse und einer Steuerbox verbunden war. Die Hardware hielt eine Verarbeitungsgeschwindigkeit von 25,40 Bildern pro Sekunde bei einer Latenz von 28,2 Millisekunden und benötigte nur 17,7 Megabyte Grafikspeicher. Ein cloudbasiertes Dashboard zeichnet die Messwerte für die Fernüberwachung auf.
Grenzen der Erfassung bei offenen Netzkäfigen und mehreren Arten
Während der Hardware-Prototyp durch Sauerstoffblasen und wechselndes Licht hindurch funktionierte, verringerte starke Wassertrübung dennoch die Zahl der verwertbaren Frames. Das System bewertete zudem jeden Kamera-Frame unabhängig. Da die Frames getrennt analysiert wurden, konnte derselbe Fisch, der mehrfach an der Linse vorbeischwamm, mehrfach registriert werden, was verhindert, dass der Aufbau eine autonome Zählung aller Fische liefert oder die gesamte Biomasse des Betriebs berechnet. Die nächsten Schritte der Forschungsgruppe sind die Validierung der Algorithmen an anderen kommerziellen Fischarten und die Erprobung der Ausrüstung in industriellen Aquakulturnetzen.
Lesen Sie auch bei The Patent: Speerwunde in der Shanidar-Höhle deutet auf ältesten Angriff mit Holzwerkzeug hin
