I sistemi osservativi marini in grado di registrare dati sia oceanografici (temperatura, salinità, ossigeno disciolto etc.), che biologici (grazie alla presenza di telecamere, quindi sulla flora e fauna presente) rappresentano una grossa sfida per le future strategie di monitoraggio dell’ambiente marino. L’acquisizione di dati in continuo e in quasi real-time permette di avere indicazioni immediate sui cambiamenti in essere delle comunità biologiche legati a fenomeni naturali o impatto all'antropico diretto e non, come ad esempio cambiamenti climatici. L’immensa mole di dati che questi sistemi possono acquisire necessita di tecniche moderne per il loro processamento per questo si è scelto di trattare i dati con tecniche di Deep Learning che consentono di riconoscere e classificare le specie ittiche presenti in un dataset di video registrati ogni ora per 12 mesi (da Febbraio 2020 a Febbraio 2021) presso una stazione localizzata sul fondo a circa 17 m di profondità al largo della costa abruzzese (Adriatico Centrale), già analizzati in parte con metodologia tradizionale (conteggio manuale e identificazione delle specie). Per analizzare la grande mole di dati acquisiti si è pensato di utilizzare gli strumenti offerti dall’intelligenza artificiale.
Classificazione automatica di specie ittiche nell'Adriatico mediante l'utilizzo di tecniche di Deep Learning
FANTIN, DAVIDE
2021/2022
Abstract
I sistemi osservativi marini in grado di registrare dati sia oceanografici (temperatura, salinità, ossigeno disciolto etc.), che biologici (grazie alla presenza di telecamere, quindi sulla flora e fauna presente) rappresentano una grossa sfida per le future strategie di monitoraggio dell’ambiente marino. L’acquisizione di dati in continuo e in quasi real-time permette di avere indicazioni immediate sui cambiamenti in essere delle comunità biologiche legati a fenomeni naturali o impatto all'antropico diretto e non, come ad esempio cambiamenti climatici. L’immensa mole di dati che questi sistemi possono acquisire necessita di tecniche moderne per il loro processamento per questo si è scelto di trattare i dati con tecniche di Deep Learning che consentono di riconoscere e classificare le specie ittiche presenti in un dataset di video registrati ogni ora per 12 mesi (da Febbraio 2020 a Febbraio 2021) presso una stazione localizzata sul fondo a circa 17 m di profondità al largo della costa abruzzese (Adriatico Centrale), già analizzati in parte con metodologia tradizionale (conteggio manuale e identificazione delle specie). Per analizzare la grande mole di dati acquisiti si è pensato di utilizzare gli strumenti offerti dall’intelligenza artificiale.File | Dimensione | Formato | |
---|---|---|---|
Fantin_Davide.pdf
accesso aperto
Dimensione
2.63 MB
Formato
Adobe PDF
|
2.63 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/37999