Reconocimiento Robusto de Peces Usando Modelos Fundamentales hacia la Gestión Automática de Recursos Pesqueros

La gestión de recursos para la pesca juega un papel fundamental en el fomento de una industria pesquera sostenible. En Japón, las encuestas de recursos dependen de mediciones manuales por parte del personal, lo que incurre en altos costos y limitaciones en el número de mediciones viables. Este estudio se esfuerza por revolucionar las encuestas de recursos implementando tecnología de reconocimiento de imágenes. Nuestra metodología implica desarrollar un sistema que detecta regiones individuales de peces en imágenes y identifica automáticamente puntos clave cruciales para mediciones precisas de la longitud del pez. Utilizamos grounded-segment-anything (Grounded-SAM), un modelo fundamental para la segmentación de instancias de peces. Además, empleamos un Mask Keypoint R-CNN entrenado en el banco de imágenes de peces (FIB), que es un conjunto de datos original de imágenes de peces, para detectar con precisión puntos clave significativos de los peces. Se recopilaron diversas imágenes de peces para experimentos de evaluación, demostrando las capacidades robustas del método propuesto para detectar con precisión tanto las regiones de los peces como los puntos clave.