參賽團隊名稱：台客漁產
欲解決問題與構想動機
養殖漁業 下一個高經濟價值產業
台灣養殖漁業由於較其他動物生產更能提供高效的糧食安全保障，魚塭所產生的地球暖化風險相較於飼養牛、豬、禽類低，所消耗得土地及用水也相對來的少，未來在滿足人類對糧食、營養、健康食膳需求以及就業機會上將扮演更重要的角色。然而，養殖漁業的發展仍然面臨不同的挑戰：
- 隨著台灣少子化現象越見嚴重，養殖漁業面臨缺工的困境，年輕一輩人才相繼往科技業發展，使的養殖產業缺工嚴重，本團隊希望以科技帶動傳統展業的發展，並吸引更多年輕人投入養殖漁業這個領域。
- 近幾年全球暖化問題日漸嚴重，極端的氣候導致降雨量不均衡，水庫因此而時常缺水，如何節約用水成為了一項重要的技術，本團隊希望以AI技術來幫助養殖產業提升用水的效率。
- 提高育成率一直是養殖漁業一項重要的指標，AI的導入可以增加養殖效率，並減少人力的支出，以達到用最少的資本達到最大的獲利。
台客漁產希望用AI視覺技術，AIoT的導入，與OpenVINO Toolkit以及相關的機械應用來進行開發。
解決方案技術架構及執行方法
- 為了能提升養殖漁業的育成率，我們需要建置Object Detection模型來偵測魚的位置，此模型能夠提供養魚業者計算魚群數量，進而精準的評估價錢，以節省人力資源的支出。
- 建制的模型其二是為了辨別魚的異狀，例如魚群攝食狀況、用腹部磨擦魚池、離群、群聚、過於暴躁或過於安靜，此方式可以了解魚的身心情況。另外辨別魚的異狀、偵測水質汙濁度及池中溶氧量是為了準確地更換池水，以提供良好的水質並且節省水資源。
- 建制的模型其三是用來辨別魚的身長、肥瘦與公母，這是為了在魚生長的特定階段做出區分，使性質相同的魚分類在一塊，如此一來可以做飼料與空間的妥善分配。
此次專案我們將使用Intel DevDloud雲端開發平台來進行操作，其中內建的OpenVINO Toolkit提供模型優化，讓模型在使用端上更便捷，並且能夠將模型推導到不同的處理器上。
專案執行過程及成果照片與說明
由於魚群辨識的模型並未進行訓練，所以我們用官方提供的模型來進行圖片推論，執行的過程中我們下載了Open Model Zoo裡面提供的Object Detection Demo和Action Recognition Demo專案，裡面的模型包含臉部偵測、行人偵測、機車偵測、動作辨識等等各式各樣的Object Detection模型，在選定模型後，我們在DevCloud上把模型進行優化並轉成IR檔以提供下一階段的Inference Engine去使用。
-
-
- Object Detection Model – 偵測魚位置及其聚集狀況
- Instance Segmentation Model – 偵測物件大小、數魚的數量
- Action Recognition- 偵測魚的動作特徵
- Object Detection Model – 偵測魚位置及其聚集狀況
-
創新價值與商轉可行性
- 台灣四面環海，魚類資源豐富，根據行政院農業委員會提供的農業指標，109年漁產產值可達700億，其商業價值有一定的規模。人工智能的目的在於提升漁產產值，提升業者生活品質，並提升其利潤。
- 應用無人機與水下攝影機於魚塭災損取得影像處理以節省巡視魚塭的時間。
- 魚塭養殖魚群體長監測與數量管控以協助和減少不必要的人力成本，並提供顧客購買時完善的服務。
- 機器視覺技術於魚體排整系統之應用以降低人力成本。
- 觀賞魚之動態影像AI計量技術協助觀察魚群活動力以提高養育率。
- 以水質偵測器來測量水質狀況，並以魚群活動狀況來建議養殖人員換水頻率，以達到節省水資源的目的。
結論
- 利用DevCloud所推論出結果，提升判斷物件的效率以及精準度，這樣的優化和推論可以幫助到產業提升作業效率和收益，提升自我在市場上的競爭力。
- 在產業應用上，養殖漁業在乎的不外乎就是以最少的成本去獲得最大的價值，AI提供的不只是成本的降低並且增加收入，又可以提高產物品質，讓顧客更滿意，更能幫助受益人縮減不必要的作業時間與動作，提供養殖業者更好的生活品質。
- 在環境維護上，AI的應用可以協助養殖業者精準餵食和精準換水的效果，以達到環境的維持。
- 在教育上，AI能讓更多年輕一輩認識養殖漁業，以技術來吸引人才。