هوش مصنوعی و آبزیان: راهی نوین برای پرورش ماهی با هزینه کم
آیا واقعا راهی وجود دارد که این کار را انجام داد؟
در این مقاله کوتاه در مورد کاری که یک شرکتی که در حوزه پرورش آبزیمان با استفاده از هوش مصنوعی و ماشین لرنینگ انجام گرفته شده مطالب جذابی را بیان میکنیم.
برای آشنایی با چگونگی و روند استفاده از هوش مصنوعی برای پروش و رشد آبزیان که توسط یک شرکت در خارج از ایران انجام شده تا پایان مقاله همراه ما باشید.
راهنمای مطالعه
- Aquabyte: راهکار هوش مصنوعی برای آینده پرورش ماهی
- هوشمصنوعی و Machine Learning چگونه به پرورش آبزیان کمک میکنند؟
- مأموریت شرکت Aquabyte چیست؟
- اطلاعات بدست آمده از تصاویر دوبینهای Aquabyte
- وضعیت رفاه ماهی از جمله شمارش شپش های دریایی
- تشخیص مقدار خوراک ماهی که به کف اقیانوس میریزد
- توزیع ماهی در هر قفس بر حسب وزن و حجم
- نتیجهگیری
Aquabyte: راهکار هوش مصنوعی برای آینده پرورش ماهی
بنیانگذار شرکت Aquabyte که در سیلیکون ولی (Silicon Valley) مستقر است و در حوزه پرورش ماهی و آبزیان فعالیت میکند فردی به نام برایتون شانگ است که در جستجوی استفاده از هوش مصنوعی و یادگیری ماشین (Machine Learning) است تا به پرورشدهنگان ماهی و آبزیان کمک کند سود بیشتر و پایدارتری از صنعت آبزی پروری کسب کنند.
پرورش ماهی از صنایع قدیمی جهان است. پرورش دهندگان ماهی، در این صنعت بیشتر با تکیه بر تجربه و مشاهدات شخصی خود ماهیگیری میکنند.
برای مثال در حالت سنتی یک مزرعه پرورش ماهی معمولی در کشور نروژ، بین 10 تا 50 قفس ماهیگیری دارد که قطر هر کدام از این قفس ها نصف زمین فوتبال است. شاید جالب باشد که بدانید هر کدام از این قفسها تا 200000 ماهی گنجایش دارد.
اما استفاده از فناوریهای جدید مانند هوش مصنوعی و یادگیری ماشین (Machine Learning) بخش زیادی از مشکلات را مرتفع میکند و سرعت پرورش آبزیان در قسمتهای مختلف را چند برابر میکند
هوشمصنوعی و Machine Learning چگونه به پرورش آبزیان کمک میکنند؟
فناوریهای نوین به کار گرفته شده از هوش مصنوعی و ماشین لرنینگ میتوانند به سوالات کلیدی مانند
- سلامتی ماهیها
- وزن توزیع شده در هر قفس
- زمان مناسب برای برداشت
به شکل دقیقتر و هوشمندانهتری پاسخ دهند.
مأموریت شرکت Aquabyte چیست؟
ماموریت شرکت Aquabyte این است که با استفاده از دادهها (data) و یادگیری ماشینی که یکی از زیرمجموعههای علم هوشمصنوعی است، به پرورش دهندگان ماهی کمک کند تا پاسخهای هوشمندانهای به سوالات مطرح شده بدهند تا در نهایت سود بالاتر و پایدارتری بدست بیاورند.
فناوری که این شرکت برای به خدمت گرفتن هوش مصنوعی برای کمک به پرورش دهندگان آبزیان استفاده میکند، تا حد زیادی مشابه همان فناوری و تکنولوژی است که امروزه در صنعت هواپیماهای بدون سرنشین (drones) و همچنین خودروهای خودران (autonomous cars) در حال بهره برداری است.
بدین صورت که با استفاده از بینایی ماشین (Machine Vision) و همین طور با همکاری کارشناسان زیستشناسی که در زمینه دریا تخصص دارند، مدلهای هوش مصنوعی خود را ارائه دادهاند.
بینایی ماشین یا “Machine Vision” به قابلیت ماشینها و سیستمهای کامپیوتری اشاره دارد که قادرند دادههای بصری را مانند تصاویر و ویدئوها را درک و تفسیر کنند. این تکنولوژی از ترکیب هوش مصنوعی و یادگیری ماشین برای تشخیص و درک الگوها، اشیاء و صحنهها در دادههای تصویری استفاده میکند.
شرکت Aquabyte برای بالابردن دقت و کارایی مدلها، عوامل دیگری مانند شرایط مختلف آب و ذرات موجود در آن را در بازآموزی مدلهای هوش مصنوعی تولید شده، به کار برده است.
ترکیب این ویژگیها نقش کلیدی در دقیقتر کردن مدلهای ساخته شده توسط هوش مصنوعی دارد.
پرورش دهندگان ماهی، برای استفاده از هوش مصنوعی، دوربین Aquabyte را با یک قطعه سخت افزاری که وظیفه پردازش گرافیکی تصاویر را دارد به درون قفس ماهیگیری میفرستند.
این دوربین به طور پیوسته تصاویری از ماهی قزل آلا میگیرد و آنها را در زمان واقعی تجزیه و تحلیل میکند. این فرآیند با زمانی که کشاورز به صورت سنتی میلهای را درون قفس ماهیها میبرد، کاملا متفاوت است به طوری که در حالت سنتی فقط پنج درصد از محیط بالای میله قابل نمایش بود.
تصاویری که ثبت شده به مدل های هوش مصنوعی سپرده میشوند تا تحلیلهای دقیق صورت گیرد.
اطلاعات بدست آمده از تصاویر دوبینهای Aquabyte
اطلاعاتی که از تحلیل دادههای بدست آمده از دوربینهای Aquabyte بدست آمدهاند شامل سه نوع اطلاعات مهم هستند:
وضعیت رفاه ماهی از جمله شمارش شپش های دریایی
شپش دریایی باعث استرس و آسیب فیزیکی به ماهی می شود.
طبق مقررات، شمارش شپش باید به مقامات دولتی گزارش شود و زیر یک سطح مشخص نگه داشته شود.
قبل از استفاده از فناوری Aquabyte، پرورش دهندگان ماهی هر هفته به سراغ قفس پرورش ماهی میرفتند، 10 تا 20 ماهی صید میکردند و شپش ها را به صورت دستی می شمردند. این کار هم فشرده است و هم دقیق نیست.
اگر جمعیت شپش دریایی از کنترل خارج شود، خروجی قفس ماهی گیری می تواند به میزان قابل توجهی کاهش یابد. در سطح جهان، حدود 15 درصد از ماهی قزل آلا قبل از برداشت می میرند.
تشخیص مقدار خوراک ماهی که به کف اقیانوس میریزد
بدون فناوری Aquabyte، پرورش دهندگان ماهی اساساً نسبت به این نوع دادههای آماری هیچ دیدی ندارند.
خوراک غرق شده نیمی از کل هزینه اجرای یک مزرعه پرورش ماهی را تشکیل میدهد.
شاید جالب باشد بدانید که کاهش 10 درصدی ضایعات خوراک تأثیر زیادی بر حاشیه سود دارد و این کار برای حفظ محیط زیست هم از اهمیت ویژهای برخودار است.
علاوه بر این، خوب است بدانید که ضایعات خوراک ماهیها و آبزیان، یک آلاینده برای اقیانوس است و باعث مشکلات زیستمحیطی میشود.
توزیع ماهی در هر قفس بر حسب وزن و حجم
این اطلاعات به پرورش دهندگان ماهی کمک میکند تا تصمیم بگیرند که چه زمانی قفسی را برداشت کنند و درآمد خود را از ماهیهای موجود در قفس تخمین بزنند.
تجزیه و تحلیل چنین دادههایی در همه قفسها به کشاورزان کمک میکند تا چرخه فروش خود را برای 12 تا 18 ماه آینده برنامهریزی کنند.
نتیجهگیری
در این مقاله به تحلیل یک مطالعه موردی پرداختیم که در آن شرکت Aquabyte در صنعت شیلات و پرورش آبزیان و ماهی با استفاده از هوش مصنوعی و ماشین لرنینگ توانسته بود یک تحول در صنعت پرورش ماهی ایجاد کند.
این فناوری نه تنها پرورش ماهی را به سطحی جدید از هوش و دقت رسانده است بلکه مسائلی همچون سلامتی ماهی، مدیریت شپشها و بهرهوری در مصرف غذا را هم بهبود بخشیده است.
با استفاده از بینایی ماشین و یادگیری ماشین، Aquabyte به پرورش دهندگان ماهی امکان میدهد تا دادههایی که قبلاً به دست نیامده بودند را دریافت کرده و به سوالات حیاتیای همچون وضعیت سلامت ماهی، میزان شپشها، و زمان مناسب برداشت، پاسخ دهند. این نه تنها به آنها کمک میکند تا سود بیشتری کسب کنند بلکه به حفظ محیط زیست و بهرهوری در مصرف منابع کمک میکند.
دیدگاهتان را بنویسید