StereoGeoBox misura in tempo reale il peso dei pesci in nuoto senza mappe 3D complete
Gli ingegneri combinano due telecamere e l'edge computing per monitorare la crescita in acquacoltura direttamente nella vasca.
Tradotto automaticamente dall’originale inglese Leggi l’originale
Ricercatori della Sultan Qaboos University e di istituzioni partner hanno realizzato un sistema di telecamere subacquee che stima dimensioni e peso dei pesci al volo. L'invenzione, descritta su Computers and Electronics in Agriculture il 23 ottobre 2026, aggira le mappe di profondità complete, molto esigenti in termini di risorse, calcolando la geometria direttamente da coppie di bounding box. Elaborando i dati visivi su un compatto processore edge, il sistema consente agli allevamenti ittici un monitoraggio rapido della crescita evitando i colli di bottiglia computazionali della visione stereo standard.
Il dimensionamento geometrico sostituisce le mappe di profondità subacquee dense
I sistemi ottici subacquei convenzionali faticano nelle vasche commerciali. L'acqua torbida, l'illuminazione variabile e le bolle di aerazione in risalita degradano spesso la ricostruzione della profondità, mentre generare mappe di profondità 3D complete richiede una potenza di calcolo significativa. Per far fronte a questi limiti, un team di ingegneri della Sultan Qaboos University, della Abdullah Al Salem University in Kuwait e del Ministero dell'Agricoltura, della Pesca e delle Risorse Idriche dell'Oman ha creato StereoGeoBox. Il sistema si basa su due telecamere sincronizzate per catturare viste accoppiate dei pesci in nuoto, come riportato da Phys.org. Anziché mappare ogni pixel dello sfondo nella vasca, il software applica YOLO11 intelligenza artificiale per isolare ogni pesce all'interno di un bounding box. La profondità spaziale viene poi calcolata esclusivamente dalla disparità geometrica tra le coordinate dei riquadri corrispondenti.
«Stimando la profondità solo dove i pesci vengono rilevati, StereoGeoBox riduce il carico computazionale mantenendo la velocità e la precisione necessarie per il monitoraggio in tempo reale dell'acquacoltura»
— Dr. Said Al-Abri, autore corrispondente presso la Sultan Qaboos University
Le prove sulle tilapie garantiscono precisione millimetrica su un processore edge
I valori stimati di lunghezza e larghezza dei pesci vengono inseriti in un modello di machine learning XGBoost che ne prevede il peso totale. I ricercatori hanno testato il sistema su tilapie in quattro specifiche fasi di crescita: 2, 3, 6 e 15 mesi. In un test controllato con pesci di lunghezza di riferimento manuale verificata pari a 15,30 centimetri, l'algoritmo ha stimato una lunghezza media di 15,25 centimetri. Le attività di calcolo sono state eseguite localmente su una piattaforma NVIDIA Jetson Thor collegata a una custodia per telecamera e a una centralina di controllo specializzate. L'hardware ha mantenuto una velocità di elaborazione di 25,40 fotogrammi al secondo con una latenza di 28,2 millisecondi, richiedendo solo 17,7 megabyte di memoria della GPU. Una dashboard basata su cloud registra le letture per il monitoraggio remoto.
I limiti del tracciamento tra gabbie aperte e più specie
Sebbene il prototipo hardware abbia funzionato attraverso bolle di ossigeno e luce variabile, una forte torbidità dell'acqua ha comunque ridotto il numero di fotogrammi utilizzabili. Il sistema ha inoltre valutato ogni fotogramma di ciascuna telecamera in modo indipendente. Poiché i fotogrammi sono stati analizzati separatamente, lo stesso pesce che passa più volte davanti all'obiettivo potrebbe essere registrato più volte, impedendo al sistema di fornire un conteggio autonomo di tutti i pesci o di calcolare la biomassa totale dell'allevamento. Le prossime fasi per il gruppo di ricerca includono la validazione degli algoritmi su altre specie ittiche commerciali e il test dell'apparecchiatura all'interno di gabbie di acquacoltura industriale.
Leggi anche su The Patent: Ferita da lancia nella grotta di Shanidar: il più antico attacco con un'arma di legno
