Evaluación de 2 sistemas de cultivo en pulpo común Octopus vulgaris en jaulas en la comunidad Canaria

Octopus vulgaris on-growing in floating cages is a promising activity implemented in Spain at industrial level, with productions of 16-32 tons/year from 1998. Nevertheless, some aspects of the culture system need to be evaluated to warrantee its profitability. In the present study two rearing systems and two dietary treatments were evaluated. Individual and group rearing, in PVC net compartments and floating cages respectively, were compared under two dietary treatments. One diet was composed by bogue, supplied as ?discarded? species from local fish farms, and the other was based on a 40-60% discarded bogue-crab Portunus pelagicus. All octopuses were PIT-tagged and the experiment lasted two months. Animals were sampled once throughout the experimental period and absolute growth rate (AGR, g./day) and mortality (%) were calculated. AGR of group rearing was above 30 g./day, however individual rearing showed 100% survival so biomass increment was higher. On the other hand, males grew more than females regardless of dietary treatment.

Detección, seguimiento y análisis de personas en streams de vídeo

[ES] El presente TFG consiste en una aplicación para la detección de personas de cuerpo entero. La idea es aplicar este detector a las continuas imágenes recogidas en tiempo real a través de una web-cam, o de un archivo con formato de vídeo que se encuentre ubicado en el propio sistema. El código está escrito en C++. Para conseguir este objetivo nos basamos en el uso conjunto de dos sistemas de detección ya existentes: primero, OpenCV, mediante un método de histograma de gradientes orientados, el cual ya proporciona propiamente un detector de personas que será aplicado a cada una de las imágenes del stream de vídeo; por otro lado, el detector facial de la librería Encara que se aplica a cada una de las detecciones de supuestas personas obtenidas en el método de OpenCV, para comprobar si hay una cara en la supuesta persona detectada. En caso de ser así, y de haber una cara más o menos correctamente situada, determinamos que es realmente una persona. Para cada persona detectada se guardan sus datos de situación en la imagen, en una lista, para posteriormente compararlos con los datos obtenidos en frames anteriores, e intentar hacer un  seguimiento de todas las personas. Visualmente se observaría como se va recuadrando cada persona con un color determinado aleatorio asignado a cada una, mientras se visualiza el vídeo. También se registra la hora y frame de aparición, y la hora y frame de salida, de cada persona detectada, quedando estos datos guardados tanto en un fichero de log, como en una base de datos. Los resultados son, bastante satisfactorios, aunque con posibilidades de mejora, ya que es un trabajo que permite combinar otras técnicas diferentes a las descritas. Debido a la complejidad de los métodos empleados se destaca la necesidad de alta capacidad de computación para poder ejecutar la aplicación en tiempo real sin ralentizaciones.