錦鯉魚AI辨識分類專案 KOI Detection Project

• 簡介

  本專案將錦鯉依不同類別等級進行區分，利用YOLOv7、PyTorch訓練，以利於消費者進行識別。

  

• 動機

  鑒於國人對錦鯉魚種類集價位認知不足，本研究計畫開發應用程式並建置錦鯉魚種類辨識系統，並增加品質鑑定功能，針對錦鯉魚常見疾病作辨識，讓喜歡錦鯉魚的國人透過本開發軟體獲得更多錦鯉知識，從而學習錦鯉魚飼養與疾病防治等議題。

  

• 目的

  以YOLOv7、PyTorch等開源程式碼為基底開發的錦鯉魚辨識系統，針對鯉魚玩賞者，開發功能完整的應用程式，可依花紋、顏色判別鯉魚的品種，標註大小，分析可能的疾病，並依先前市場各種鯉魚的出售價格，做出相對的估價。

錦鯉圖片資料集Koi Dataset

(自koi併入，可以點選超連結回顧舊版頁面)

• 簡介

  這是一個錦鯉魚的資料集，整理自自行拍攝之影像及Kaggle train-koi、Dataset Images Koi、Koi_Fish，並使用了Roboflow擷取了來自"Sanke Koi Selection | How to select a good Sanke Koi?"、"Kohaku Koi variety in 8 minutes | Koi documentary"、"SHOWA KOI variety 5 minutes | Koi documentary"影片中的圖片進行智慧標記做為樣本使用。

• 類別

  已標記	中文全名	英文名稱	已標記	中文全名	英文名稱
  F	淺黃	Asagi	F	金銀鱗	Kin-Ginrin
  F	別光	Bekko	T	紅白	Kohaku
  F	德國鏡鯉	Doitsu	T	三色	Sanke
  F	五色	Ghosiki	T	大正	Showa
  F	衣錦鯉	Goromo	F	秋翠	Shusui
  F	光無地	Hikarimuji	F	丹頂	Tancho
  F	光模樣	Hikarimoyo	F	白寫	Utsuri
  F	光寫類	Hikariutsuri	F	大和錦	Yamato Nishiki
  F	鹿子	Kanoko koi	F	變種鯉	Kawarimono

訓練結果

Training Session VA-1

labels=3, images=667, Epoch=150, img_size=640, batch_size=4

• 重點

  VA系列之訓練對象為御三家(Gosanke)，做為測試用途，主要是測試手上Nvidia的獨顯是否可以運行YOLOv7的訓練，同時檢驗運用YOLO辨識魚種之可行性。

• 結果

  從混淆矩陣中，我們發現熟悉的圖回來了，其中三色(Sanke)的偵測正確率高達75%，至少超過50%就算有成效了(不過寫論文的話大概還不太有說服力)，且訝異的是並沒有出現大正(Showa)跟三色(Sanke)的混淆現象，還要進一步了解是樣本瑕疵還是訓練成效。而其中三色(Sanke)高達55%的背景FP或許代表三色(Sanke)的樣本有些不足。

  

Training Session VB-1

labels=?, images=?, Epoch=?, img_size=640, batch_size=4

• 重點

  VB系列隻訓練對象為錦鯉魚常見的疾病。目前本研究採取雙步驟辨識，將魚隻和疾病分為兩步驟進行檢視，已提高兩模型分別之執行效率。

• 結果

  (尚在訓練中)