The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

Towards Efficient Aquaculture Monitoring: Ground-Based Camera Implementation for Real-Time Fish Detection and Tracking with YOLOv7 and SORT

효율적인 양식 모니터링을 향하여: YOLOv7 및 SORT를 사용한 실시간 물고기 감지 및 추적을 위한 지상 기반 카메라 구현

  • 노태경 (동의대학교 부산IT융합부품연구소, 동의대학교 대학원 인공지능학과) ;
  • 하상현 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 김기환 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 강영진 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 정석찬 (동의대학교 e비즈니스학과, 인공지능그랜드ICT연구센터, 부산IT융합부품연구소)
  • Received : 2023.11.14
  • Accepted : 2023.12.05
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

With 78% of current fisheries workers being elderly, there's a pressing need to address labor shortages. Consequently, active research on smart aquaculture technologies, centered on object detection and tracking algorithms, is underway. These technologies allow for fish size analysis and behavior pattern forecasting, facilitating the development of real-time monitoring and automated systems. Our study utilized video data from cameras outside aquaculture facilities and implemented fish detection and tracking algorithms. We aimed to tackle high maintenance costs due to underwater conditions and camera corrosion from ammonia and pH levels. We evaluated the performance of a real-time system using YOLOv7 for fish detection and the SORT algorithm for movement tracking. YOLOv7 results demonstrated a trade-off between Recall and Precision, minimizing false detections from lighting, water currents, and shadows. Effective tracking was ascertained through re-identification. This research holds promise for enhancing smart aquaculture's operational efficiency and improving fishery facility management.

현재 수산업 종사자의 78%를 차지하고 있는 인력 고령화에 따른 노동력 부족 문제를 해결하기 위해 객체 검출 및 추적 알고리즘을 주요 내용으로 하는 스마트 양식 기술에 대한 연구가 활발히 진행되고 있다. 이러한 기술들은 어류의 크기 분석, 행동 패턴 예측 등의 작업이 가능하여 실시간 모니터링 및 자동화 시스템의 구축이 용이할 것으로 기대된다. 본 연구에서는 양식 시설 외부에 설치된 카메라로부터 수집된 영상 데이터를 기반으로 어류 검출 및 추적 알고리즘을 활용하였다. 수중 조건, 암모니아, pH 농도에 따른 카메라 부식 문제로 인한 높은 유지보수 비용 문제를 극복하는 것을 목표로 하였다. 어류 객체 검출을 위해 YOLOv7 모델을 활용한 실시간 모니터링 시스템의 성능을 분석하였고, 어류의 움직임을 추적하기 위해 SORT 알고리즘을 활용하였다. YOLOv7 훈련 결과 PR Curve 기반의 Recall과 Precision 값의 상충 관계를 밝혀내 조명에 의한 물줄기와 그림자의 오검출을 최소화하였음을 알 수 있다. 어류 추적을 위해 우리는 재식별화를 통해 효과적인 추적을 확인하였다. 이러한 연구 결과는 스마트 양식 산업의 운영 효율성을 높이고 양식 시설의 어류 관리 개선을 용이하게 할 것으로 기대된다.

Keywords

Acknowledgement

이 연구는 2023년도 산업통상자원부 및 산업기술평가관리원(KEIT) 연구비 지원에 의한 연구임('20023955')

References

  1. http://nationalatlas.ngii.go.kr/pages/page_2835.php
  2. https://www.kbmaeil.com/news/articleView.html?idxno=918091
  3. https://www.sciencetimes.co.kr/news/%EC%96%91%EC%8B%9D%EC%97%85%EC%9D%98-%EB%AF%B8%EB%9E%98-%EC%99%B8%ED%95%B4%E5%A4%96%E6%B5%B7-%EC%96%91%EC%8B%9D
  4. https://www.fnnews.com/news/202011100701341401
  5. https://www.fntoday.co.kr/news/articleView.html?idxno=154575
  6. H. Jeong, "Domestic Smart Aqua-farming Technology", ETRI, Vol. 36, No. 5, pp. 62-73, 2021.
  7. C. Wang, "YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object", Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 7464-7475, 2023.
  8. A. Bewley, "Simple Online and Realtime Tracking", Proceeding of 2016 IEEE International Conference on Image Processing, pp. 3464-3468, 2016.
  9. C. Gao, "FIRN: A Novel Fish Individual Recognition Method with Accurate Detection and Attention Mechanism", Electronics, Vol. 11, No. 21, pp. 1-19, 2022. https://doi.org/10.3390/electronics11213459
  10. Y. Shin, "Deep Learning based Fish Object Detection and Tracking for Smart Aqua Farm", The Journal of the Korea Contents Association, Vol. 21, No. 1, pp. 552-560, 2021. https://doi.org/10.5392/JKCA.2021.21.01.552
  11. H.S. Choi, "Fish Activity State based an Intelligent Automatic Fish Feeding Model Using Fuzzy Inference", The Journal of the Korea Contents Association, Vol. 20, No. 10, pp. 176-176, 2020.
  12. K. Tatiana, "Generation of Fish Object Recognition Model for Fish Size Estimation", Proceeding of the KSMPE Spring Conference 2022, pp.248, 2022.
  13. H.S. Son, "A Study on Disease Prediction of Paralichthys olivaceus using Deep Learning Technique", Smart Media Journal, Vol. 11, No. 4, pp.62-68, 2022. https://doi.org/10.30693/SMJ.2022.11.4.62
  14. H.S. Son, "Image Augmentation of Paralichthys olivaceus Disease Using SinGAN Deep Learning Model", The Journal of the Korea Contents Association, Vol. 21, No. 12, pp. 322-330, 2021. https://doi.org/10.5392/JKCA.2021.21.12.322
  15. Zou, Chen, "Object Detection in 20 Years: A Survey", Proceedings of the IEEE, Vol. 111, No. 3, pp. 257-276, 2023. https://doi.org/10.1109/JPROC.2023.3238524
  16. J. Redmon, "You Only Look Once: Unified, Real-Time Object Detection", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 779-788, 2016.