雖然魚類加工技術不斷進步，人們仍採用傳統的手工修剪方法。但魚類修剪過程很危險，因為負責魚類加工人員主要使用電鋸或刀具，當人力不足或是過度疲勞時，危險性以及職業傷害也可能隨之增加。因應各類餐廳/團膳業者的需求，他們希望收到以固定重量整齊切割的魚肉產品。因此，此篇文獻提出了基於AI機器視覺和目標重量的魚類切割點預測方法。

圖一﹑自動切魚設備

此方法基於影像處理技術和分割隨機抽樣一致性（RANSAC）進行魚類形狀的三維（3D）建模，並提取3D特徵資訊。接著，透過對提取的3D特徵資訊和測量重量資訊進行機器學習，生成用於根據目標重量預測魚類切割點的神經網路模型，研究結果驗證了該方法的平均誤差率約為3%。

圖二﹑所提方法的概述

圖三﹑基於二維建模的魚體輪廓檢測流程

圖四﹑目標魚形態的3D建模

圖五﹑評估所提方法的程序

透過運用AI技術解決傳統水產加工業的自動化問題，或許是協助產業面對勞動人口不足的解方之一。不僅能提高加工效率、降低人力成本，更重要的是能減少工人在使用危險工具時的安全風險，同時確保魚肉切割的精準度符合目標重量需求。

參考文獻:
Jang, Y., & Seo, Y. S. (2023). Machine vision based fish cutting point prediction for target weight. Computers, Materials & Continua, 75(1), 2247-2263. https://doi.org/10.32604/cmc.2023.027882