AI som verktyg för klassificering av  ostronyngel från havsbaserade kollektorer

Den här studien är en fortsättning och vidareutveckling av ett tidigare projekt (Wilhelmsson et al.2020). I det tidigare projektet slogs det fast att det är möjligt att klassificera ostron som antingen Magallana gigas (fortsättningsvis endast Gigas) eller Ostrea edulis (fortsättningsvis endast Edulis) med hjälp av AI-baserad bildbehandlingsteknik.

Ostronen som användes i det tidigare projektet hade tillåtits växa till sig under ca 11 månader i korgar efter att ha skördats från kollektorer och var även manuellt rengjorda innan fotografering.

Det långsiktiga målet med ostronklassificeringen är att kunna sortera ostron automatiskt direkt när de skördas från kollektorer, eftersom det är i det skedet som ostronodlare är i störst behov av ensortering. Genom att sortera ostron direkt vid skörd från kollektorer säkerställs även att inga ostron hunnit bli könsmogna och därför heller inte hunnit föröka sig.

Att sortera direkt från kollektor innebär dock att ostronen som ska klassificeras kommer vara blandade med kalkrester från kollektorerna, samt diverse havslevande organismer i form av marin påväxt.

Därför behöver klassificeraren inte bara kunna se skillnad på olika ostronarter utan även identifiera vad i skörden från kollektorerna som är ostron och ej.