Sviluppo di un sistema di monitoraggio della fauna marina basato sulla computer vision con YOLO

Questa tesi presenta lo sviluppo e l'implementazione di un sistema di computer vision basato sull'algoritmo YOLO (You Only Look Once) per il rilevamento e il tracciamento delle specie marine. L'obiettivo principale è creare un sistema di monitoraggio sottomarino efficiente e preciso, capace di identificare e tracciare in tempo reale varie specie marine nel loro habitat naturale. La ricerca inizia con un'analisi completa delle tecnologie di rilevamento subacqueo esistenti, evidenziando le limitazioni che i metodi attuali affrontano. Successivamente, la tesi esamina l'algoritmo YOLO, esplorando i suoi vantaggi nel rilevamento degli oggetti e le ragioni della sua selezione rispetto ad altri algoritmi. Viene quindi descritta l'architettura del sistema, illustrando accuratamente i componenti hardware e software utilizzati, tra cui telecamere subacquee, unità di elaborazione e il software di rilevamento basato sul machine learning. La fase di implementazione prevede l'addestramento del modello YOLO con un ampio dataset di immagini di specie marine, prima in modalità simulata e in seguito tramite rigorosi test in ambienti sottomarini reali. I risultati degli esperimenti verranno studiati per valutare le prestazioni del sistema e confrontarle con i metodi tradizionali, suggerendo possibili miglioramenti e direzioni future di ricerca. In conclusione, la tesi fornisce evidenze che un approccio basato su YOLO è una soluzione valida ed efficace per il monitoraggio della fauna sottomarina, offrendo contributi significativi per studi futuri in questo campo.