ניטור בריאות דגים באמצעות AI: ניתוח וידאו והפחתת אובדן

בדיקות כלובים ידניות אורכות שעות ולעיתים קרובות מפספסות סימנים מוקדמים למחלות, מה שמוביל להפסדים כבדים. אנחנו בונים מערכות AI המבוססות על מצלמות תת-מימיות וראייה ממוחשבת, המנטרות את בריאות הדגים והתנהגות הלהקה מסביב לשעון. הצוות שלנו מספק את הפרויקט במפתח מלא—החל מהתאמת האלגוריתמים לתנאים שלכם ועד להטמעה ולתמיכה שוטפת.

תחומי פיתוח AI

שאלות נפוצות

העבודות האחרונות

  • פיתוח אפליקציית ווב עבור FEEDME
    פיתוח אפליקציית ווב עבור FEEDME
    1359
  • פיתוח חנות מקוונת לחברת FURNORO
    פיתוח חנות מקוונת לחברת FURNORO
    1330
  • עיצוב לוגו לחברת B2B Advance
    עיצוב לוגו לחברת B2B Advance
    776
  • פיתוח אפליקציית ווב עבור Enviok
    פיתוח אפליקציית ווב עבור Enviok
    1077
  • פיתוח לוגו חברת AIDER
    פיתוח לוגו חברת AIDER
    1022
  • פיתוח CRM עבור Chasseurs
    פיתוח CRM עבור Chasseurs
    1112

בחוות סלמון עם 20 כלובים ו-500,000 דגים, סיבובים יומיים אורכים 6–8 שעות מזמן הצוות. החמצת תסמיני מחלה מוקדמים—כמו SRS או IHN—מובילה להפסדים של מאות אלפי דולרים. פיתחנו מערכת AI המנטרת את בריאות הדגים 24/7 באמצעות מצלמות תת-מימיות וראייה ממוחשבת. הניסיון שלנו כולל למעלה מ-30 התקנות בנורווגיה, צ'ילה וקנדה. המערכת מפחיתה עלויות הזנה ב-10–15% ומקטינה תמותה בעד 70% ב-48 השעות הראשונות. אחריות על הציוד היא 12 חודשים, וההסמכות מאשרות אמינות.

מצלמות תת-מימיות עם ניתוח CV מנטרות ברציפות, ולוכדות את השינויים הקלים ביותר בהתנהגות ובמראה. כל חווה היא ייחודית—אנו מתאימים את הפתרון לכלובים, לעומק, לתאורה ולמיני הדגים שלכם.

במאמר זה, נפרט אילו אינדיקטורים אנו עוקבים אחריהם, אילו אתגרים טכניים אנו פותרים עבור דימות תת-מימי, וכיצד אנו משלבים את המערכת עם האכלה.

כיצד פועל ניתוח וידאו במים עכורים?

דימות תת-מימי אינו זהה לדימות מעל פני המים. פרטים:

  • פיזור אור: בעומקים של 4–6 מ', הצבעים עוברים לספקטרום כחול/ירוק, הערוץ האדום נחלש באופן אקספוננציאלי.
  • חלקיקים מרחפים: עכירות יוצרת חפצים דמויי בועות או קשקשים.
  • בוהק פני השטח: משבש את התאורה בחלק העליון של הכלוב.
  • תנועת מים מתמדת: טשטוש תנועה, פריימים מטושטשים.

עיבוד מקדים: תיקון איזון לבן לפי חוק סנל (שחזור הערוץ האדום פרופורציונלי לעומק), CLAHE לניגודיות בתמונות עכורות, והסרת טשטוש זמני לטשטוש תנועה.

def underwater_white_balance(image, depth_m):
    """Восстановление красного канала для подводных снимков"""
    img_float = image.astype(np.float32) / 255.0
    # Коэффициент поглощения для красного канала воды ~0.35/м
    red_attenuation = np.exp(-0.35 * depth_m)
    img_float[:, :, 2] = np.clip(
        img_float[:, :, 2] / (red_attenuation + 1e-6),
        0, 1
    )
    return (img_float * 255).astype(np.uint8)
כיצד אנו מכיילים מצלמות לעומקים שונים?עבור כל כלוב, אנו מבצעים כיול: צילום תבנית בדיקה במספר עומקים, התאמת איזון לבן ופרמטרי CLAHE בנפרד. זה מבטיח איכות תמונה יציבה בתנאי תאורה משתנים ועכירות עונתית.

כיצד המערכת מזהה מחלות?

חריגות התנהגותיות—דגים לא בריאים מציגים התנהגות חריגה: אדישות, שינוי בעומק השחייה, תנועה מבולבלת, סירוב להאכלה. ניתוח הווידאו עוקב אחר:

  • מהירות שחייה ממוצעת של דגים בכלוב (זרימה אופטית מפריים לפריים ב-fps).
  • התפלגות עומק (ממצלמת סטריאו או אור מובנה).
  • קצב תנועת זימים (קצב נשימה)—נשימה מואצת היא סימן להיפוקסיה או זיהום.

סימני מחלה חזותיים—כיבים בגוף, קשקשים כהים, אקסופטלמיה, ריקבון סנפירים. גלאי עצמים YOLOv8 על דגים בודדים חתוכים.

תמותה—ספירה אוטומטית של דגים שצפו על פני השטח. חשוב מאוד לתפוס את הסימן המוקדם: עלייה באחוז הדגים המתים על פני השטח.

השוואת שיטות ספירת דגים

שיטה דיוק זמן עיבוד מורכבות יישום
ספירה ישירה (פילוח מופעים) 90–95% 200 אלפיות השנייה/פריים גבוהה (דורש GPU)
הערכת צפיפות (רגרסיה) 80–85% 50 אלפיות השנייה/פריים בינונית
סונאר (אולטרסאונד) 70% 500 אלפיות השנייה נמוכה, אך ללא וידאו

ספירה ישירה באמצעות Mask R-CNN עם הסרת כפילויות מעקב מניבה דיוק מרבי אך דורשת GPU חזק. הערכת צפיפות מהירה ופשוטה יותר אך פחות מדויקת. הבחירה תלויה בגודל הכלוב ובדרישות הדיוק.

הערכת ביומסה

ספירת דגים בכלוב היא אתגר בשל חסימה משמעותית (חפיפת דגים). שיטות:

  • ספירה ישירה באמצעות פילוח מופעים (Mask R-CNN) + הסרת כפילויות מעקב.
  • הערכת צפיפות—מודל רגרסיה חוזה צפיפות דגים בפריים, מוכפל בנפח הכלוב.

הערכת ביומסה (משקל ממוצע): מצלמת סטריאו מודדת אורך גוף (BL) → נוסחה אלומטרית W = a × BL^b (מקדמים ספציפיים למין). דיוק הערכת משקל: ±8–12% מהמשקל בפועל.

אינטגרציה עם מערכות האכלה

דפוסי התנהגות של דגים הם אינדיקטור ישיר לתיאבון. מערכת ה-CV מודדת "פעילות האכלה" (עוצמת תנועה ליד פני השטח במהלך מתן מזון) ושולחת אות למערכת ההאכלה האוטומטית: הפחתת מתן מזון כאשר התיאבון נמוך (סימן למחלה או האכלת יתר). זה מפחית עלויות הזנה ב-8–15% ומקטין זיהום סביבתי ממזון שלא נאכל.

למה ליישם ניטור AI?

  • זיהוי מחלות מוקדם 24–48 שעות לפני תסמינים נראים—תמותה מופחתת בעד 70%.
  • חיסכון בהזנה עד $50,000 בשנה לחווה עם 500,000 דגים.
  • הפחתת עבודה ידנית ב-6–8 שעות ביום.
  • דיווח אוטומטי וגישה לנתונים דרך לוח מחוונים.

טבלת השוואה נוספת של שיטות זיהוי מחלות:

שיטה זמן לאבחון דיוק עלות
בדיקה חזותית 2–4 שעות לכלוב ~50% נמוכה
PCR מעבדתי 24–48 שעות >99% גבוהה
ניתוח AI מיידי 90–95% בינונית

שלבי יישום

  1. ביקורת חווה: הערכת כלובים, תאורה, תקשורת.
  2. תכנון: בחירת מצלמות, לוח זמנים להתקנה.
  3. התקנה וכיול: התאמת עיבוד מקדים לתנאים ספציפיים.
  4. אימון מודל: כוונון עדין של YOLOv8 על הווידאו שלכם (למידה עם דוגמאות מועטות).
  5. בדיקה והשקה: השוואת A/B עם ניטור ידני.

מה כלול בעבודה שלנו

  • תיעוד API ולוח מחוונים.
  • גישה למערכת בענן או מקומית (on-premise).
  • הכשרת צוות (יומיים).
  • תמיכה טכנית 24/7 בשלושת החודשים הראשונים.
  • שירות אחריות ל-12 חודשים.

לוחות זמנים

מערכת ניטור בסיסית (5–10 מצלמות, התנהגות + תמותה): 8–12 שבועות. פלטפורמה מלאה עם זיהוי מחלות, ביומסה, אינטגרציית האכלה: 16–24 שבועות. התמחור מחושב באופן אישי.

הזמינו פרויקט פיילוט עם 2 מצלמות וקבלו תוצאות ראשונות תוך 6 שבועות. קבלו ייעוץ—המהנדסים שלנו יעזרו לבחור את התצורה האופטימלית.