Autonomous 3D fish-farm net-defect localization for AUV intervention

Resumen

La inspección autónoma de infraestructuras acuı́colas supone un reto debido a la complejidad de los entornos submarinos y la
precisión requerida en las tareas de intervención. Este trabajo presenta un módulo de detección y localización de defectos en redes de piscifactorı́as integrado en una arquitectura de percepción-acción de un Vehı́culo Submarino Autónomo de Intervención (I-AUV),
equipado con módulos de percepción basados en aprendizaje profundo. La propuesta incluye un sistema de visión basado en un
modelo YOLO-World ajustado para la detección de agujeros o roturas. A partir de una cámara monocular calibrada y condiciones
puramente geométricas, los centroides de los cuadros delimitadores en 2D devueltos por el modelo entrenado se proyectan en el
sistema de referencia de la cámara, junto con una estimación del tamaño del defecto. Esta información espacial se integra en el
entorno Robot Operating System (ROS) y se publica en tiempo real para condicionar la navegación del AUV y alinear la pinza
robótica hacia el defecto. Los resultados experimentales confirman el buen desempeño del detector/localizador y muestran que la
aproximación es adecuada para su uso en intervenciones en lazo cerrado.