Rilevamento automatico di capesante tramite visione stereoscopica: analisi dei requisiti, sviluppo e test su campo

This thesis addresses the design, development, and validation of an automatic system for detecting Pecten jacobaeus scallops using stereoscopic vision, with particular attention to the operational conditions of the Chioggia Lagoon. The main objective is to create a compact, low-power, and easily transportable solution capable of acquiring and analyzing underwater images for the non-invasive monitoring of scallop populations. The work is structured in an initial phase of analysis of hardware, software, and environmental requirements, followed by the design of a processing pipeline that integrates object detection, classification, and image enhancement algorithms. The system was trained and validated on a proprietary dataset of 558 stereo images acquired in a controlled environment, and subsequently tested in the field under real conditions. The experimental results highlight the advantages of stereoscopic vision in estimating the depth and size of specimens, while also revealing some critical issues related to computational constraints and the risk of overfitting due to the scarcity of heterogeneous data. The thesis concludes with a critical discussion of the identified limitations, prospects for improvement, and possible application extensions of the system, emphasizing the original contribution provided both in terms of the dataset and the software architecture. This work represents a concrete step towards the development of innovative tools for the sustainable monitoring of marine resources and the protection of lagoon biodiversity.

La presente tesi affronta la progettazione, lo sviluppo e la validazione di un sistema automatico per il rilevamento delle capesante Pecten jacobaeus tramite visione stereoscopica, con particolare attenzione alle condizioni operative della Laguna di Chioggia. L’obiettivo principale è la realizzazione di una soluzione compatta, a basso consumo energetico e facilmente trasportabile, in grado di acquisire e analizzare immagini subacquee per il monitoraggio non invasivo delle popolazioni di capesante. Il lavoro si articola in una prima fase di analisi dei requisiti hardware, software e ambientali, seguita dalla progettazione di una pipeline di elaborazione che integra algoritmi di rilevamento oggetti, classificazione e miglioramento delle immagini. Il sistema è stato addestrato e validato su un dataset proprietario di 558 immagini stereo, acquisite in ambiente controllato, e successivamente testato su campo in condizioni reali. I risultati sperimentali evidenziano i vantaggi della visione stereoscopica nella stima della profondità e delle dimensioni degli esemplari, pur mettendo in luce alcune criticità legate ai vincoli computazionali e al rischio di overfitting dovuto alla scarsità di dati eterogenei. La tesi si conclude con una discussione critica delle limitazioni riscontrate, delle prospettive di miglioramento e delle possibili estensioni applicative del sistema, sottolineando il contributo originale fornito sia in termini di dataset che di architettura software. Il lavoro rappresenta un passo concreto verso lo sviluppo di strumenti innovativi per il monitoraggio sostenibile delle risorse marine e la tutela della biodiversità lagunare.