Vi er veldig stolte av vår kollega Birger Johan som mottok Eurekaprisen forrige fredag. Eurekaprisen deles ut til de 5 beste Bacheloroppgavene fra hvert fagfakultet på NTNU Gjøvik, og i år var det Birger og hans studentprosjekt-gruppe som gikk av med den gjeve prisen.

 I studentprosjektet utviklet Birger og gruppen hans en løsning gjennom dyplæring og open source teknologi som gjorde det mulig for oppdragsgiver å samle inn relevant statistikk om fiskebestander, ulike arter og deres aktivitet.

Hvordan gikk dere frem?

I begynnelsen av arbeidet med bacheloroppgaven skrev vi en prosjektplan som la føringen på hvordan vi skulle jobbe. Vi brukte god tid til å planlegge og beskrive arbeidet. Vi brukte blant annet Skrumban, og gjennom et Gantt-diagram holdt vi oversikt over planlagt tidsforbruk.

Kan du fortelle litt om løsningen dere utviklet?

Oppdragsgiveren hadde videomateriell av ulike fiskebestander innsamlet fra et kamera satt ut i en dam. Vi utviklet en løsning hvor målet var å kutte ned tiden det tok for oppdragsgiver å samle inn denne statistikken. Det var viktig for de å vite når det var mye fisk i dammen og hvilke arter som befant seg der. Løsningen gjennom dyplæring var i stand til å oppdage dette, samt spore fiskene slik at de ikke ble telt flere ganger. I tillegg til dette laget vi et brukergrensesnitt som gjorde det enkelt å visualisere og hente ut dataen.

Vi ønsket tidlig at løsningen skulle være åpen kildekode. Dette ble realisert sammen med oppdragsgiver som er et offentlig institutt. I likhet med oss ønsket de at løsningen skulle komme det offentlige til gode. Løsningen finnes i dag på GitHub med GPLv3-lisens.

Hvilke bidrag var du ansvarlig for i gruppen og hvorfor?

Jeg bidro hovedsakelig med brukergrensesnittet, men jeg var også «driftsansvarlig» for de ulike tjenestene vi brukte gjennom oppgaven. Jeg var veldig opptatt av at koden vi skrev skulle være bra, så vi tok i bruk pre-commit, som er et verktøy som kjører før vi får lov til å kjøre git commit. Gjennom ulike regler sjekket denne for stilfeil og om selve commit-meldingen holdt en viss mal. Den sjekket også om vi brukte den nyeste Python-syntaksen etc. Jeg jobbet også med GitLab pipelines slik at vi hadde et robust system for å kjøre tester og andre relevante sjekker.

Hvorfor tror du at dere lyktes, og hvilken verdi tror du dette kan få i fremtiden?

Jeg tror nøkkelen var et godt samarbeid, motiverende oppgave og en engasjerende oppdragsgiver. Det var mulig å løse oppgaven på vår egen måte som gjorde det mer engasjerende å jobbe med prosjektet.

For fremtiden lagde vi et verktøy som gruppen mener løser problemstillingen. Dette fikk vi også tilbakemelding på fra oppdragsgiver. Oppdragsgiver mener fremtiden vil bestå av mer maskinlæring, og gjennom vår løsning har vi vist at dette er fullt mulig.

Helt til slutt, hvorfor ønsket du å starte hos oss i Redpill Linpro?