NO333499B1 - Method and system for detecting a lice on fish - Google Patents
Method and system for detecting a lice on fish Download PDFInfo
- Publication number
- NO333499B1 NO333499B1 NO20111385A NO20111385A NO333499B1 NO 333499 B1 NO333499 B1 NO 333499B1 NO 20111385 A NO20111385 A NO 20111385A NO 20111385 A NO20111385 A NO 20111385A NO 333499 B1 NO333499 B1 NO 333499B1
- Authority
- NO
- Norway
- Prior art keywords
- image
- louse
- fish
- pixels
- predetermined
- Prior art date
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 48
- 241001674048 Phthiraptera Species 0.000 title claims abstract description 32
- 239000003086 colorant Substances 0.000 claims abstract description 24
- 235000019688 fish Nutrition 0.000 description 61
- 241000972773 Aulopiformes Species 0.000 description 5
- 235000019515 salmon Nutrition 0.000 description 5
- 241001247234 Lepeophtheirus salmonis Species 0.000 description 2
- 241000277275 Oncorhynchus mykiss Species 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000239267 Arguloida Species 0.000 description 1
- 241000276438 Gadus morhua Species 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009372 pisciculture Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
- A01K61/13—Prevention or treatment of fish diseases
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/90—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
Foreliggende oppfinnelse angår en fremgangsmåte for å detektere en lus på en fisk, omfattende trinnene å motta et bilde av en fisk, søke etter piksler som har farger innenfor et bakgrunnsfargeintervall og sette disse piksler til en standardpikselverdi; øke etter piksler som har farger innenfor et fiskeoverflatefargeintervall og sette disse piksler til standardpikselverdien, og søke etter et forhåndsbestemt lus-formet objekt i de deler av bildet som har en pikselverdi forskjellig fra standardverdien. Deretter omfatter fremgangsmåten trinnet å bestemme om det forhåndsbestemte lusformet objekt finnes i bildet. Hvis det er funnet, utfører fremgangsmåten trinnene: å tilveiebringe et delbilde av bildet, der delbildet inneholder området av bilde hvor det forhåndsbestemte lus-formede objektet er funnet, og å lagre informasjon om delbildet, hvor lagring av informasjon omfatter lagring av informasjon om posisjonen til delbildet i bildet.The present invention relates to a method for detecting a lice on a fish, comprising the steps of receiving an image of a fish, searching for pixels having colors within a background color range, and setting these pixels to a default pixel value; increase for pixels that have colors within a fish surface color range and set these pixels to the default pixel value, and search for a predetermined lice-shaped object in those parts of the image that have a pixel value different from the default value. Then, the method comprises the step of determining whether the predetermined loop shaped object is present in the image. If found, the method performs the steps: providing a sub-image of the image, wherein the sub-image contains the area of image where the predetermined loop-shaped object is found, and storing information about the sub-image, where information storage includes storing information about the location of the image. the sub-image in the image.
Description
OPPFINNELSENS OMRÅDE FIELD OF THE INVENTION
Foreliggende oppfinnelse angår en fremgangsmåte og system for å detektere en lus på en fisk. The present invention relates to a method and system for detecting a louse on a fish.
BAKGRUNN FOR OPPFINNELSEN BACKGROUND OF THE INVENTION
I oppdrettsnæringen har lus vært og er fortsatt et stort problem. For eksempel er laks (spesielt Salmo Salar) i oppdrettsanlegg sårbare for lakselus (Lepeophtheirus salmonis). Også andre fiskearter, slik som regnbueørret (Oncorhynchus mykiss), torskearter osv. utsatt for ulike typer lus. Det har vært flere forsøk på både overvåking av antall lus i oppdrettsanlegg og på å fjerne lus fra fisk i oppdrettsanlegg. In the farming industry, lice have been and still are a major problem. For example, salmon (especially Salmo Salar) in farms are vulnerable to salmon lice (Lepeophtheirus salmonis). Other fish species, such as rainbow trout (Oncorhynchus mykiss), cod species etc. are also exposed to various types of lice. There have been several attempts both to monitor the number of lice in farms and to remove lice from fish in farms.
Lakselus har en levetid på ti livsløpsstadier, hvor stadier fire til sju er chalimus-stadier hvor lusa er festet til laksen og spiser fra laksen, og hvor stadier 8-10 er voksne stadier der lusene er mobile. I disse siste stadier, er det også mulig å skille mellom hannlus og hunnlus (se for eksempel Salmon lice have a lifespan of ten life cycle stages, where stages four to seven are chalimus stages where the louse is attached to the salmon and feeds from the salmon, and where stages 8-10 are adult stages where the lice are mobile. In these last stages, it is also possible to distinguish between male lice and female lice (see for example
http:// en. wikipedia. org/ wiki/ Salmon louse). Det finnes andre typer fiskelus som har lignende livssyklus og lignende utseende. http:// en. wikipedia. org/ wiki/ Salmon louse). There are other types of fish lice that have a similar life cycle and similar appearance.
I dag er overvåkning av antall lus i et fiskeoppdrettanlegg, for eksempel en fiskeoppdrettstank, fiskeoppdrettsmær osv., utført manuelt ved å fange en eller et antall av fisk ut fra anlegget og deretter telle antall lus på hver fisk manuelt. Alternativt kan en bildeopptaker (film eller enkeltbilder) senkes ned i anlegget og antall lus kan telles manuelt ved å se på billedopptak. Today, monitoring the number of lice in a fish farming facility, for example a fish breeding tank, fish breeding mare, etc., is carried out manually by catching one or a number of fish from the facility and then counting the number of lice on each fish manually. Alternatively, an image recorder (film or single images) can be lowered into the system and the number of lice can be counted manually by looking at the image recording.
Det bør bemerkes at det totale antall lus er på et betydelig nivå hvis det er et gjennomsnitt på 0,5 lus per fisk. På dette nivået må avlusing utføres. Følgelig er det en teknisk utfordring å tilveiebringe en fremgangsmåte som er i stand til å detektere en lus på en fisk. It should be noted that the total number of lice is at a significant level if there is an average of 0.5 lice per fish. At this level de-lice must be carried out. Consequently, it is a technical challenge to provide a method capable of detecting a louse on a fish.
Hensikten med oppfinnelsen er å tilveiebringe en fremgangsmåte og et system for detektering av nærvær av en lus på en fisk. Videre er det et formål å telle antall lus hvis mer enn én lus er til stede. Det er også et formål med oppfinnelsen å tilveiebringe en fremgangsmåte og et system hvor det er mulig å oppdage fasen som hver lus på fisken tilhører. Det er også et viktig formål med oppfinnelsen å tilveiebringe en fremgangsmåte og et system som er rask og effektiv. The purpose of the invention is to provide a method and a system for detecting the presence of a louse on a fish. Furthermore, it is a purpose to count the number of lice if more than one louse is present. It is also an aim of the invention to provide a method and a system where it is possible to detect the phase to which each louse on the fish belongs. It is also an important purpose of the invention to provide a method and a system that is fast and efficient.
SAMMENDRAG AV OPPFINNELSEN SUMMARY OF THE INVENTION
Den foreliggende oppfinnelsen angår en fremgangsmåte for å detektere en lus på en fisk, omfattende følgende trinn: The present invention relates to a method for detecting a louse on a fish, comprising the following steps:
- motta et bilde av en fisk; - søke etter piksler med farger innenfor et bakgrunnsfargeintervall og sette disse piksler til en standardpikselverdi; - søke etter piksler med farger innenfor et fiskeoverflatefargeintervall og sette disse piksler til standardpikselverdien; - søke etter et forhåndsbestemt lus-formet objekt i de deler av bildet som har en pikselverdi forskjellig fra standardverdien; - bestemme om det forhåndsbestemte lus-formede objektet finnes i bildet, og hvis det blir funnet, utføre følgende trinn: - tilveiebringe et delbilde av bildet, der delbildet inneholder området av bilde hvor det forhåndsbestemte lus-formede objektet er funnet, og - lagre informasjon om delbildet, hvor lagringen av informasjon omfatter lagring av informasjon om posisjonen til delbilde i bildet. - receive a picture of a fish; - search for pixels with colors within a background color range and set these pixels to a default pixel value; - search for pixels with colors within a fish surface color range and set these pixels to the default pixel value; - searching for a predetermined louse-shaped object in those parts of the image that have a pixel value different from the default value; - determine whether the predetermined louse-shaped object is present in the image, and if found, perform the following steps: - provide a partial image of the image, where the partial image contains the area of the image where the predetermined louse-shaped object is found, and - store information about the partial image, where the storage of information includes storing information about the position of the partial image in the image.
I et aspekt omfatter det forhåndsbestemte lus-formede objektet et første, i det vesentlige sirkulært objekt, et andre, i det vesentlige sirkulært objekt koblet til det første objektet og et tredje, i det vesentlige rektangulært objekt koblet til det andre objektet. In one aspect, the predetermined loop-shaped object comprises a first, substantially circular object, a second, substantially circular object coupled to the first object, and a third, substantially rectangular object coupled to the second object.
I et aspekt omfatter det lus-formede objektet et bilde av en lus. In one aspect, the louse-shaped object comprises an image of a louse.
I et aspekt hentes bildet av lusen fra en database med lusbilder. In one aspect, the image of the louse is retrieved from a database of louse images.
I et aspekt omfatter trinnet med lagring av informasjon om delbildet videre: In one aspect, the step of storing information about the partial image further comprises:
- lagre bredden og lengden av delbildet. - store the width and length of the partial image.
I et aspekt omfatter trinnet med lagring av informasjon om delbildet videre: In one aspect, the step of storing information about the partial image further comprises:
- lagre konturen av lusen i delbildet. - save the contour of the louse in the partial image.
I et aspekt omfatter fremgangsmåten videre trinnet: In one aspect, the method further comprises the step of:
- bestemme et livssyklusstadium for lusen basert på bredden og lengden av delbildet. - determine a life cycle stage of the louse based on the width and length of the partial image.
I et aspekt er det mottatte bilde av fisken tatt under kontrollerte lysforhold. In one aspect, the received image of the fish is taken under controlled lighting conditions.
I et aspekt omfatter fremgangsmåten videre trinnet å utføre en bildedifferensierende algoritme før trinnet med å søke etter den forhåndsbestemte lusformen. In one aspect, the method further comprises the step of performing an image differentiating algorithm prior to the step of searching for the predetermined loop shape.
Den foreliggende oppfinnelsen angår også et system for å detektere en lus på en fisk, omfattende: - en bildeopptaker for opptak av et bilde av en fisk; - et datamaskinminne; - en sentralprosesseringsanordning koblet til bildeopptakeren og til datamaskinminnet, der sentralprosessingsanordningen er konfigurert for å utføre fremgangsmåten ovenfor. The present invention also relates to a system for detecting a louse on a fish, comprising: - an image recorder for recording an image of a fish; - a computer memory; - a central processing device connected to the image recorder and to the computer memory, wherein the central processing device is configured to perform the above method.
Den forliggende oppfinnelsen angår også en fremgangsmåte for å detektere en lus på en fisk, omfattende følgende trinn: - motta et bilde av en fisk; - søke etter piksler med farger innenfor et bakgrunnsfargeintervall og sette disse piksler til en standardpikselverdi; -søke etter piksler med farger innenfor et fiskeoverflatefargeintervall og sette disse piksler til standardpikselverdien; - søke etter et forhåndsbestemt lus-formet objekt i de deler av bildet som har en pikselverdi forskjellig fra standardverdien; - bestemme om det forhåndsbestemte lus-formet objektet finnes i bildet, og hvis det blir funnet, utføre følgende trinn: The present invention also relates to a method for detecting a louse on a fish, comprising the following steps: - receiving an image of a fish; - search for pixels with colors within a background color range and set these pixels to a default pixel value; -search for pixels with colors within a fish surface color range and set these pixels to the default pixel value; - searching for a predetermined louse-shaped object in those parts of the image that have a pixel value different from the default value; - determine if the predetermined louse-shaped object exists in the image, and if found, perform the following steps:
- øke en luseteller for hver lus funnet i bildet. - increase a louse counter for each louse found in the image.
I et aspekt omfatter fremgangsmåten trinnet: In one aspect, the method comprises the step of:
- beregne gjennomsnittlig antall lus per fisk. - calculate the average number of lice per fish.
DETALJERT BESKRIVELSE DETAILED DESCRIPTION
Utførelsesformer av oppfinnelsen vil nå bli beskrevet i detalj med henvisning til vedlagte tegninger, hvor: Fig. 1 illustrerer systemet for å detektere en lus på en fisk; Fig. 2 illustrerer trinnene i en fremgangsmåte for detektering av en lus på en fisk; Fig. 3 illustrerer et forhåndsbestemt lus-formet objekt; Fig. 4 illustrerer et skjermbilde av systemet som kjører på en datamaskinanordning, hvor det er vist at en lus er oppdaget på fisken; Fig. 5 viser et bilde som mottas fra en bildeopptaker, hvor en lus er merket med en stiplet sirkel; Fig. 6a viser bildet i fig. 5 etter fargefiltreringsprosessen; Fig. 6b viser et forstørret bilde av lusen funnet i fig. 6a; Fig. 7a viser bildet i fig. 5 og fig. 6a etter en pikselrekodingsprosess; Embodiments of the invention will now be described in detail with reference to the attached drawings, where: Fig. 1 illustrates the system for detecting a louse on a fish; Fig. 2 illustrates the steps in a method for detecting a louse on a fish; Fig. 3 illustrates a predetermined louse-shaped object; Fig. 4 illustrates a screenshot of the system running on a computer device, where it is shown that a louse has been detected on the fish; Fig. 5 shows an image received from an image recorder, where a louse is marked with a dotted circle; Fig. 6a shows the image in fig. 5 after the color filtering process; Fig. 6b shows an enlarged image of the louse found in fig. 6a; Fig. 7a shows the image in fig. 5 and fig. 6a after a pixel recoding process;
Fig. 7b viser et forstørret bilde av lusen funnet i fig. 7a. Fig. 7b shows an enlarged image of the louse found in fig. 7a.
Det er nå henvist til fig. 1, som illustrerer et system for å detektere en lus på en fisk. Systemet 1 omfatter et bildeopptaker 2 for opptak av et bilde av fisken. Bildeopptakeren kan registrere stillbilder (fotografier) eller film, i den foreliggende utførelsesformen tar bildeopptakeren stillbilder av siden av fisken. Reference is now made to fig. 1, which illustrates a system for detecting a louse on a fish. The system 1 comprises an image recorder 2 for recording an image of the fish. The image recorder can record still images (photographs) or film, in the present embodiment the image recorder takes still images of the side of the fish.
Det bør bemerkes at systemet kan omfatte flere bildeopptakere, for eksempel ett bilde av hver sideflate av fisken. Alternativt kan enda en bildeopptaker tilveiebringes for å ta et bilde ovenfra av fisken, et bilde nedenfra av fisken etc. It should be noted that the system may comprise several image recorders, for example one image of each lateral surface of the fish. Alternatively, a further image recorder can be provided to take a picture from above of the fish, a picture from below of the fish, etc.
Det bør også bemerkes at bildeopptakeren kan ta bilder av kun deler av fisken i stedet for bilder av hele fisken, dvs. for å analysere en fisk, må bildeopptakeren ta flere bilder. It should also be noted that the imager can take pictures of only parts of the fish instead of pictures of the whole fish, i.e. to analyze a fish, the imager has to take several pictures.
I den foreliggende utførelsesformen er bildeopptakeren et digitalt kamera. In the present embodiment, the image recorder is a digital camera.
Bildeopptakeren 2 er koblet til en datamaskinanordning 3, omfattende en sentralprosesseringsanordning eller CPU 4 og et datamaskinminne 5. Datamaskinanordningen 3 kan være en hvilken som helst type datamaskinanordning og regnes kjent for en fagmann. Datamaskinanordningen 3 er videre koblet til et brukergrensesnitt, slik som en skjerm, et tastatur, en mus osv. Det er imidlertid også mulig å tilveiebringe systemet som én anordning, hvor anordningen omfatter bildeopptakeren, datamaskinminnet og CPU i en anordning, og hvor utgangssignalet fra en slik enhet er et talldisplay som viser gjennomsnittlig antall lus per fisk. The image recorder 2 is connected to a computer device 3, comprising a central processing device or CPU 4 and a computer memory 5. The computer device 3 can be any type of computer device and is considered known to a person skilled in the art. The computer device 3 is further connected to a user interface, such as a screen, a keyboard, a mouse, etc. However, it is also possible to provide the system as one device, where the device comprises the image recorder, computer memory and CPU in one device, and where the output signal from a such a device is a number display that shows the average number of lice per fish.
I en industriell setting kan systemet 1 være forsynt med en inngang for fisken og en utgang for fisken, for å sikre at bare en fisk passerer bildeopptakeren samtidig. Videre kan sensorene være tilveiebrakt for å kunne ta opp et bilde av fisken når fisken er i riktig posisjon foran kameraet. Videre kan bildet av fisken tilveiebringes når fisken hentes opp fra vann, eller når fisken er nedsenket i vann. In an industrial setting, the system 1 may be provided with an input for the fish and an output for the fish, to ensure that only one fish passes the image recorder at a time. Furthermore, the sensors can be provided to be able to record a picture of the fish when the fish is in the correct position in front of the camera. Furthermore, the image of the fish can be provided when the fish is retrieved from water, or when the fish is submerged in water.
En fremgangsmåte for å detektere en lus på en fisk er implementert som et dataprogram som kjører på CPU-en 4. Dermed er sentralprosesseringsanordningen 4 hos datamaskinanordningen 3 konfigurert til å utføre fremgangsmåten beskrevet nedenfor. A method for detecting a louse on a fish is implemented as a computer program running on the CPU 4. Thus, the central processing device 4 of the computer device 3 is configured to carry out the method described below.
I et første trinn 10 mottar datamaskinanordningen 3 et bilde av en fisk fra In a first step 10, the computer device 3 receives an image of a fish from
bildeopptakeren 2. Bildet leveres i et elektronisk filformat, vanligvis et JPG-format, et PNG-format eller et annet egnet format. Et eksempel på et slikt bilde er vist i fig. 5, hvor en stiplet sirkel indikerer posisjonen til en lus. Bildet i fig. 5 har en størrelse på ca 2,6 MB. the image recorder 2. The image is delivered in an electronic file format, usually a JPG format, a PNG format or another suitable format. An example of such an image is shown in fig. 5, where a dashed circle indicates the position of a louse. The image in fig. 5 has a size of approximately 2.6 MB.
Deretter manipulerer datamaskinanordningen 3 bildet ved å utføre følgende trinn: Then, the computer device 3 manipulates the image by performing the following steps:
I trinn 12 søker datamaskinanordningen 3 etter piksler med farger innenfor et bakgrunnsfargeintervall og sette disse piksler til en standardpikselverdi. Bakgrunnsfargeintervallet er et forhåndsbestemt intervall av farger som anses å definere bakgrunnen av bildet. Dermed vil bildet kun inneholde fargene i bakgrunnsfargeintervallet hvis ingen fisk er til stede i bildet. In step 12, the computer device 3 searches for pixels with colors within a background color interval and sets these pixels to a standard pixel value. The background color range is a predetermined range of colors considered to define the background of the image. Thus, the image will only contain the colors in the background color interval if no fish are present in the image.
Det bør bemerkes at begrepet farge her brukes både for fargebilder, hvor pikselen kan ha en verdi for hver av fargene rød, grønn og blå, alternativt en verdi for hver av fargene cyan, magenta, gult og sort. Imidlertid kan begrepet farge også representere nyanser av grått i et svart og hvitt bilde. It should be noted that the term color is used here both for color images, where the pixel can have a value for each of the colors red, green and blue, alternatively a value for each of the colors cyan, magenta, yellow and black. However, the term color can also represent shades of gray in a black and white image.
Standardpikselverdien kan typisk være en ikke-fargeverdi, for eksempel -1 eller rent svart eller hvitt. The default pixel value can typically be a non-color value, such as -1 or pure black or white.
For å oppnå dette, kan bildeopptakeren rettes mot en overflate som har en farge forskjellig fra fargen av fisken og fargen av fiskeoverflaten. To achieve this, the imager can be aimed at a surface that has a color different from the color of the fish and the color of the fish surface.
I trinn 14 søker datamaskinanordningen 3 etter piksler med farger innenfor et fiskeoverflatefargeintervall og setter disse pikslene til standardpikselverdien. Fiskeoverflatefargeintervallet er et forhåndsbestemt intervall av farger som anses å definere fiskeoverflaten i bildet. In step 14, the computer device 3 searches for pixels with colors within a fish surface color range and sets these pixels to the default pixel value. The fish surface color interval is a predetermined range of colors considered to define the fish surface in the image.
Det bør bemerkes at trinn 12 og 14 kan utføres samtidig. Derfor itererer fremgangsmåten gjennom piksler i bildet bare én gang mens den søker etter piksler som har farger i et bakgrunnsfargeintervall og mens den søker etter piksler som har farger i et fiskeoverflatefargeintervall. It should be noted that steps 12 and 14 can be performed simultaneously. Therefore, the procedure iterates through pixels in the image only once while searching for pixels that have colors in a background color interval and while searching for pixels that have colors in a fish surface color interval.
Fig. 6a viser bildet i fig. 5 etter at trinn 12 og 14 er utført. Her har standardpikselverdien blitt satt til hvit. Et forstørret bilde av lusen i fig. 6a er vist på fig. 6b. Fig. 6a shows the image in fig. 5 after steps 12 and 14 have been carried out. Here the default pixel value has been set to white. An enlarged image of the louse in fig. 6a is shown in fig. 6b.
Siden bakgrunnen og fiskeoverflaten normalt vil utgjøre den største delen av bildet, vil søketrinnene 12 og 14 ha redusert mengden av informasjon i bildet betydelig. Vanligvis er det bare en svært liten del av pikslene i bildet som nå ikke har standardverdien. Since the background and the fish surface will normally make up the largest part of the image, search steps 12 and 14 will have reduced the amount of information in the image significantly. Usually, only a very small fraction of the pixels in the image are now not at the default value.
Det bør bemerkes at dette vil avhenge av bildet, hvorvidt bildet viser hele fisk (dvs. en stor del av bildet vil inneholde bakgrunnsfarger) eller bare en del av fisken (dvs. bildet vil ikke inneholde bakgrunnsfarger eller bare et lite område med bakgrunnsfarger). It should be noted that this will depend on the image, whether the image shows the whole fish (ie a large part of the image will contain background colors) or only part of the fish (ie the image will not contain background colors or only a small area of background colors).
Bildet i fig. 5 har en størrelse på ca 9 kB, dvs. informasjonen i dette bildet er betydelig redusert. The image in fig. 5 has a size of approx. 9 kB, i.e. the information in this image is significantly reduced.
I trinn 16 søker datamaskinanordningen 3 etter et forhåndsbestemt lus-formet objekt i de delene av bildet som har en pikselverdi forskjellig fra standardverdien. In step 16, the computer device 3 searches for a predetermined louse-shaped object in those parts of the image that have a pixel value different from the standard value.
Ett eksempel på et slikt forhåndsbestemt lus-formet objekt er vist på fig. 3. Det forhåndsbestemte lus-formede objektet kan være et objekt eller en spesifikasjon som gjør det mulig å fastslå om en lus faktisk er til stede i de delene av bildet som har en pikselverdi forskjellig fra standardverdien eller ikke. Det forhåndsbestemte lus-formet objektet 30 kan omfatte en forhåndsbestemt form som i fig. 3, omfattende et første, i det vesentlige sirkulært objekt 31, et andre, i det vesentlige sirkulært objekt 32 som er koblet til det første objektet 31, og et tredje, i det vesentlige rektangulært objekt 33 som er koblet til det andre objektet 32. En terskelverdi kan brukes til å bestemme hvor nært bildet disse objektene må være for å definere en lus. One example of such a predetermined louse-shaped object is shown in fig. 3. The predetermined louse-shaped object may be an object or a specification that makes it possible to determine whether a louse is actually present in those parts of the image that have a pixel value different from the default value or not. The predetermined louse-shaped object 30 may comprise a predetermined shape as in fig. 3, comprising a first, substantially circular object 31, a second, substantially circular object 32 which is connected to the first object 31, and a third, substantially rectangular object 33 which is connected to the second object 32. A threshold value can be used to determine how close to the image these objects must be to define a louse.
En ekstra kriterium kan være at disse objekter kan være delvis overlappende. Videre kan et ekstra kriterium være at disse objektene er orientert langs en linje II. An additional criterion may be that these objects may partially overlap. Furthermore, an additional criterion can be that these objects are oriented along a line II.
I en alternativ utførelse omfatter det forhåndsbestemte lus-formede objektet et bilde av en lus. Derfor utføres en bildegjenkjenningsalgoritme for å sammenligne bildet av en lus og de deler av bildet som har en pikselverdi forskjellig fra standardverdien. Det er mulig å tilveiebringe systemet med en database av lusbilder og hente bildet av lus fra databasen over lusbilder. Databasen kan omfatte flere bilder og sammenligne de deler av bildet som har en pikselverdi forskjellig fra standardverdien med et eller flere av bildene i databasen. In an alternative embodiment, the predetermined louse-shaped object comprises an image of a louse. Therefore, an image recognition algorithm is performed to compare the image of a louse and those parts of the image that have a pixel value different from the default value. It is possible to provide the system with a database of lice images and retrieve the image of lice from the database of lice images. The database can include several images and compare the parts of the image that have a pixel value different from the standard value with one or more of the images in the database.
I fig. 6a ble lusa funnet ved å søke etter et forhåndsbestemt lus-formet objekt i form av en forhåndsbestemt form, som den som er vist og beskrevet ovenfor med hensyn til fig. 3. Enda en test ble utført, og lusa ble også funnet ved å sammenligne fig. 6a med bilder av lus. In fig. 6a, the louse was found by searching for a predetermined louse-shaped object in the form of a predetermined shape, such as that shown and described above with respect to FIG. 3. One more test was carried out and the louse was also found by comparing fig. 6a with pictures of lice.
I trinn 18 bestemmer datamaskinanordningen 3 om det finnes et forhåndsbestemt lus-formet objekt i bildet. Dermed bestemmer datamaskinanordningen 3 om hvorvidt en eller flere lus er til stede i bildet. In step 18, the computer device 3 determines whether there is a predetermined louse-shaped object in the image. Thus, the computer device 3 decides whether one or more lice are present in the image.
Hvis det forhåndsbestemte lus-formede objektet er funnet utfører datamaskinanordningen 3 et trinn med å tilveiebringe et delbilde av bildet, der delbildet inneholder området av bildet hvor det forhåndsbestemte lus-formede objektet er funnet (trinn 20). Videre lagrer datamaskinanordningen 3 informasjon om delbildet, hvor lagringen av informasjon omfatter lagring av informasjon om posisjonen til delbildet i bildet (trinn 22). Deretter, i trinn 24, avsluttes fremgangsmåten. If the predetermined louse-shaped object is found, the computer device 3 performs a step of providing a partial image of the image, where the partial image contains the area of the image where the predetermined louse-shaped object is found (step 20). Furthermore, the computer device 3 stores information about the partial image, where the storage of information includes storing information about the position of the partial image in the image (step 22). Then, in step 24, the method ends.
Delbildet vises med en stiplet firkant i fig. 6b, hvor også lengden L og bredden W er indikert. The partial image is shown with a dashed square in fig. 6b, where the length L and width W are also indicated.
Hvis ingen forhåndsbestemte lus-formede objekt finnes, begynner fremgangsmåten på nytt ved å motta et nytt bilde i trinn 10. Alternativt, for eksempel hvis det ikke er flere bilder, så avsluttes fremgangsmåten. If no predetermined lice-shaped object is found, the process begins again by receiving a new image in step 10. Alternatively, for example, if there are no more images, then the process terminates.
Trinnet 22 for lagring av informasjon om delbildet kan videre omfatte lagring av bredden og lengden av delbildet. Datamaskinanordningen 3 kan bestemme et livssyklusstadium av lusen basert på bredden og lengden av delbildet. The step 22 for storing information about the partial image can further include storing the width and length of the partial image. The computer device 3 can determine a life cycle stage of the louse based on the width and length of the partial image.
Trinnet 22 for lagring av informasjon om delbildet kan videre omfatte lagring av konturen av lus i delbildet. Konturen av lusen kan lagres i databasen og kan bli brukt i søkingen etter et forhåndsbestemt lus-formet objekt, trinn 16 i andre bilder. The step 22 for storing information about the partial image can further comprise storing the contour of lice in the partial image. The contour of the louse can be stored in the database and can be used in the search for a predetermined louse-shaped object, step 16 in other images.
For å forbedre fremgangsmåten ovenfor, kan det mottatte bildet av fisken tas under kontrollerte lysforhold. Fremgangsmåten antas dermed å bli mer pålitelig med hensyn til søking etter piksler som har farger innenfor et bakgrunnsfargeintervall, søking etter piksler som har farger innenfor et fiskeoverflatefargeintervall og søking etter et forhåndsbestemt lus-formet objekt i de deler av bildet med en pikselverdi forskjellig fra standardverdien. To improve the above method, the received image of the fish can be taken under controlled lighting conditions. The method is thus believed to be more reliable with respect to searching for pixels having colors within a background color range, searching for pixels having colors within a fish surface color range and searching for a predetermined louse-shaped object in those parts of the image with a pixel value different from the default value.
Det bør også bemerkes at fremgangsmåten videre kan omfatte trinnet med å utføre en bildedifferensierende algoritme etter letetrinn 12 og 14, men før trinn 16 for å lete etter det forhåndsbestemte lusmønstret. En slik bildedifferensierende algoritme kan være en algoritme hvor pikselverdier rekodes, for eksempel til et binært bilde, for raskere gjenkjenning av figurer. Den bildedifferensierende algoritmen kan utføres i flere iterasjoner. It should also be noted that the method may further include the step of performing an image differentiating algorithm after search steps 12 and 14 but before step 16 to search for the predetermined louse pattern. Such an image differentiating algorithm can be an algorithm where pixel values are recoded, for example into a binary image, for faster recognition of figures. The image differentiating algorithm can be performed in several iterations.
Fig. 7a viser bildet i fig. 6a hvor en slik bildedifferensierende algoritme har blitt utført. Her er alle piksler i bildet enten sort eller hvitt. Et forstørret bilde av lusen som det fremgår av fig. 7a er vist i fig. 7b. I fig. 7a lusa ble funnet ved å søke etter et forhåndsbestemt lus-formet objekt i form av en forhåndsbestemt form, som den som er vist og beskrevet ovenfor med hensyn til fig. 3. Fig. 7a shows the image in fig. 6a where such an image differentiating algorithm has been performed. Here, all pixels in the image are either black or white. An enlarged image of the louse as shown in fig. 7a is shown in fig. 7b. In fig. 7a the louse was found by searching for a predetermined louse-shaped object in the form of a predetermined shape, such as that shown and described above with respect to FIG. 3.
Det er også mulig å utføre pre-prosessering av bildet før trinn 12 og 14. It is also possible to pre-process the image before steps 12 and 14.
Det er nå henvist til fig. 4, som viser brukergrensesnittet 40 hos et dataprogram som kjøres av datamaskinanordningen 3. Det bør bemerkes at dette brukergrensesnittet er brukt til testing av prototypen av fremgangsmåten, og dermed er det flere muligheter for å justere forskjellige terskelverdier for å utføre den eller de bildedifferensierende algoritmen(e). I tillegg viser brukergrensesnittet mye informasjon om bildet til brukeren, noe som strengt tatt ikke er nødvendig for å kunne avdekke hvorvidt en lus er tilstede på fisken eller for å kunne telle antall lus på en fisk. Det bør derfor bemerkes at fremgangsmåten og systemet ifølge den foreliggende oppfinnelse ikke trenger et brukergrensesnitt som det som er vist i fig. 4. Reference is now made to fig. 4, which shows the user interface 40 of a computer program executed by the computer device 3. It should be noted that this user interface is used for testing the prototype of the method, and thus there are several possibilities for adjusting different threshold values to perform the image differentiating algorithm(s). e). In addition, the user interface shows a lot of information about the image to the user, which is strictly speaking not necessary to be able to detect whether a lice is present on the fish or to be able to count the number of lice on a fish. It should therefore be noted that the method and system according to the present invention do not need a user interface such as that shown in fig. 4.
I fig. 4, er det vist at brukergrensesnittet 40 viser bildet 41 av fisken. Videre inneholder brukergrensesnittet 40 en tekstboks 42 hvor informasjon vises hvis en lus oppdages. I fig. 4 inneholder informasjonen følgende informasjon: In fig. 4, it is shown that the user interface 40 displays the image 41 of the fish. Furthermore, the user interface 40 contains a text box 42 where information is displayed if a louse is detected. In fig. 4, the information contains the following information:
Lus posisjon = {X = 1895, Y = 1290} Lice position = {X = 1895, Y = 1290}
Lus høyde = 85 Lice height = 85
Lus lengde = 55 Louse length = 55
Følgelig har en lus blitt oppdaget, det øvre høyre hjørne av delbildet av lusa er i posisjon (X = 1895 piksler (fra høyre side av bildet), Y = 1290 piksler (fra øvre side av bildet)) av bildet, høyden av delbildet er 85 piksler og lengden av delbildet er 55 piksler. Accordingly, a louse has been detected, the upper right corner of the partial image of the louse is at position (X = 1895 pixels (from the right side of the image), Y = 1290 pixels (from the upper side of the image)) of the image, the height of the partial image is 85 pixels and the length of the partial image is 55 pixels.
Plasseringen av lusa er angitt med en stiplet sirkel 43. The location of the louse is indicated by a dotted circle 43.
I den foreliggende utførelsesform blir et fargefilter brukt ved utføring av trinn 12 og trinn 14. Fargefilteret definerer typisk et fargeintervall med en minimumsverdi og en maksimalverdi for en fargeverdi. Maksimum- og minimum-verdier kan defineres i alle fargesystem, som RGB (ved å velge verdier for variablene Red, Green, Blue), CMYK (ved å velge verdier for variablene Cyan, Magenta, Yellow, Black), HSL (ved å velge verdier for variablene Hue, Saturation, Light) eller et annet fargesystem. Fargeintervallene kan defineres som en minimumsverdi og en maksimumsverdi for hver variabel i fargesystemet, eller for bare en variabel i fargesystemet. I tillegg kan en minimumsverdi og en maksimumsverdi være definert for ytterligere egenskaper som opasitet/transparens, refleksivitet osv. Typen fargefilter og type fargesystem anses kjent for en fagmann og vil ikke bli beskrevet her i detalj. In the present embodiment, a color filter is used when performing step 12 and step 14. The color filter typically defines a color interval with a minimum value and a maximum value for a color value. Maximum and minimum values can be defined in any color system, such as RGB (by selecting values for the variables Red, Green, Blue), CMYK (by selecting values for the variables Cyan, Magenta, Yellow, Black), HSL (by selecting values for the variables Hue, Saturation, Light) or another color system. The color intervals can be defined as a minimum value and a maximum value for each variable in the color system, or for just one variable in the color system. In addition, a minimum value and a maximum value can be defined for additional properties such as opacity/transparency, reflectivity, etc. The type of color filter and type of color system are considered known to a person skilled in the art and will not be described here in detail.
For å kunne implementere et fargefilter i trinn 12 og 14 er det biblioteker tilgjengelig i mange programmeringsspråk. Videre anses To be able to implement a color filter in steps 12 and 14, there are libraries available in many programming languages. Furthermore, considered
figurgjenkjenningsalgoritmer, alternativt bildesammenligningsalgoritmer, som brukes i trinn 16, kjent for en fagmann og vil ikke bli beskrevet her i detalj. Biblioteker er tilgjengelige for å gjennomføre disse algoritmene i mange programmeringsspråk. figure recognition algorithms, alternatively image comparison algorithms, used in step 16, known to a person skilled in the art and will not be described here in detail. Libraries are available to implement these algorithms in many programming languages.
I tillegg kan fremgangsmåten omfatte trinnet med å øke en luseteller for hver lus funnet i bildet.Videre kan fremgangsmåten omfatte trinnet med å telle antall fisk som det blir tatt bilder av, og dermed utføre trinnet med å beregne gjennomsnittlig antall lus per fisk. In addition, the method can include the step of increasing a lice counter for each louse found in the image. Furthermore, the method can include the step of counting the number of fish of which pictures are taken, and thus performing the step of calculating the average number of lice per fish.
Ifølge oppfinnelsen er en rask og effektiv fremgangsmåte og system for å detektere en lus på en fisk oppnådd. According to the invention, a fast and efficient method and system for detecting a louse on a fish has been achieved.
Claims (1)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20111385A NO333499B1 (en) | 2011-10-12 | 2011-10-12 | Method and system for detecting a lice on fish |
PCT/EP2012/068921 WO2013053597A1 (en) | 2011-10-12 | 2012-09-26 | Method and system for detecting a louse on fish |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20111385A NO333499B1 (en) | 2011-10-12 | 2011-10-12 | Method and system for detecting a lice on fish |
Publications (2)
Publication Number | Publication Date |
---|---|
NO20111385A1 NO20111385A1 (en) | 2013-04-15 |
NO333499B1 true NO333499B1 (en) | 2013-06-24 |
Family
ID=47045000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20111385A NO333499B1 (en) | 2011-10-12 | 2011-10-12 | Method and system for detecting a lice on fish |
Country Status (2)
Country | Link |
---|---|
NO (1) | NO333499B1 (en) |
WO (1) | WO2013053597A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO342294B1 (en) * | 2016-12-19 | 2018-04-30 | Henry Helgheim | Apparatus and method for treating fish in a farmed fish. |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2962556B1 (en) | 2014-06-30 | 2018-10-24 | Ardeo Technology AS | A system and method for monitoring and control of ectoparasites of fish |
EP3185677B1 (en) | 2014-08-27 | 2021-02-24 | Vaki Fiskeldiskerfi Hf. | Automatic grading system for living aquatic organisms |
CL2016002664A1 (en) * | 2015-10-22 | 2018-01-05 | Intervet Int Bv | A method for automatic monitoring of sea lice in salmon aquaculture |
NO342604B1 (en) * | 2015-12-02 | 2018-06-18 | Intervet Int Bv | A method for automatic sea lice monitoring in salmon aquaculture |
NO342993B1 (en) * | 2016-02-08 | 2018-09-17 | Biosort As | Device and method for recording and monitoring health and physical development of live fish |
WO2019121844A1 (en) | 2017-12-20 | 2019-06-27 | Intervet International B.V. | System for external fish parasite monitoring in aquaculture |
CA3084294A1 (en) * | 2017-12-20 | 2019-06-27 | Intervet International B.V. | System for external fish parasite monitoring in aquaculture |
US11980170B2 (en) | 2017-12-20 | 2024-05-14 | Intervet Inc. | System for external fish parasite monitoring in aquaculture |
WO2019121854A1 (en) * | 2017-12-20 | 2019-06-27 | Intervet International B.V. | Method and system for external fish parasite monitoring in aquaculture |
CA3083984A1 (en) * | 2017-12-20 | 2019-06-27 | Intervet International B.V. | Method and system for external fish parasite monitoring in aquaculture |
CN109472883A (en) * | 2018-09-27 | 2019-03-15 | 中国农业大学 | Patrol pool method and apparatus |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050229864A1 (en) * | 2003-08-26 | 2005-10-20 | Claudio Chanceaulme Willemsen | Method for monitoring and controlling in real-time the non-consumed food in fish farms |
WO2009008733A1 (en) * | 2007-07-09 | 2009-01-15 | Feed Control Norway As | Means and method for average weight determination and appetite feeding |
NO20092427L (en) * | 2009-01-30 | 2010-08-02 | Feed Control Norway As | Device for deburring aquatic organisms |
NO331345B1 (en) * | 2010-02-05 | 2011-12-05 | Esben Beck | Device and method for damaging parasites on fish |
-
2011
- 2011-10-12 NO NO20111385A patent/NO333499B1/en active IP Right Review Request
-
2012
- 2012-09-26 WO PCT/EP2012/068921 patent/WO2013053597A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO342294B1 (en) * | 2016-12-19 | 2018-04-30 | Henry Helgheim | Apparatus and method for treating fish in a farmed fish. |
NO20162016A1 (en) * | 2016-12-19 | 2018-04-30 | Henry Helgheim | Device and method for treating fish in a farming cage. |
Also Published As
Publication number | Publication date |
---|---|
NO20111385A1 (en) | 2013-04-15 |
WO2013053597A1 (en) | 2013-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NO333499B1 (en) | Method and system for detecting a lice on fish | |
US9152873B2 (en) | Device and method for determining an optimum image | |
EP1430710B1 (en) | Image processing to remove red-eye features | |
CN105338338B (en) | Method and apparatus for image-forming condition detection | |
CN108875619B (en) | Video processing method and device, electronic equipment and computer readable storage medium | |
US10674128B2 (en) | White balance processing method, electronic device and computer readable storage medium | |
US20060017825A1 (en) | Method and apparatus for effecting automatic red eye reduction | |
CN110022674B (en) | Methods, media, and systems for detecting potato virus in crop images | |
US20170116765A1 (en) | Methods and systems for color processing of digital images | |
US9811888B2 (en) | Image processing apparatus and image processing method | |
US10817744B2 (en) | Systems and methods for identifying salient images | |
CN101620679A (en) | Method for eliminating red eye in image | |
JP2005353010A (en) | Image processor and imaging device | |
US9916662B2 (en) | Foreground detection using fractal dimensional measures | |
US8498496B2 (en) | Method and apparatus for filtering red and/or golden eye artifacts | |
US9092661B2 (en) | Facial features detection | |
JP2011135510A5 (en) | ||
JP2017111085A (en) | Food product inspection system and food product inspection method | |
JP2001167273A5 (en) | ||
CN113313042A (en) | Image processing method, feeding state detection method and storage medium | |
CN113505757A (en) | Smoke and fire detection convolution network and method based on static analytic features and electronic equipment | |
CN114724074B (en) | Method and device for detecting risk video | |
JP2012244539A5 (en) | ||
CN104346599A (en) | Detection method of color edge, and image processing device | |
EP1684210B1 (en) | Red-eye detection based on skin region detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
Filing an opposition |
Opponent name: SINTEF FISKERI OG HAVBRUK AS, BRATTOERKAIA 17 C, 7 Effective date: 20140322 |
||
MM1K | Lapsed by not paying the annual fees | ||
PDP | Decision of opposition (par. 25 patent act) |
Free format text: PATENT NR. 333499 ER TRADT UT AV KRAFT PA GRUNN AV MANGLENDE BETALING AV ARSAVGIFT. INNSIGELSESSAKEN ER DERMED AVSLUTTET Filing date: 20111012 Opponent name: FLUGES PATENT AS , POSTBOKS 27, 1629, GAMLE |