Masinõppe innovatsioonid ringlussevõetavates vesiviljelussüsteemides

Tehisintellekt ja masinõpe (ML) muudavad RAS-i haldamist revolutsiooniliselt, kasutades traditsiooniliste modelleerimiseelduste asemel ajaloolisi andmeid. Arvutinägemise, asjade interneti võrkude ja GPU-kiirendusega süvaõppe abil ületavad need tehnoloogiad arvutuslikud takistused, et võimaldada reaalajas analüüsi.

Olulised rakendused keskenduvad kalade käitumise jälgimisele, kus süsteemid tuvastavad stressireaktsioone ujumismustrite analüüsi abil. Näiteks Atlandi lõhe liigub ebaregulaarselt subletaalsete H₂S kontsentratsioonide juures (30–40 µg/l), andes varajase hoiatuse allapoole toksilisi piirväärtusi (60 µg/l). Veealused platvormid, nagu RASense1.0, jäädvustavad nüüd usaldusväärselt kujutisi 0.5 m sügavusel muutuva valgustuse korral.

Integreeritud tehisintellekti asjade interneti süsteemid ühendavad tehisintellekti, asjade interneti ja robootika, et automatiseerida söötmise optimeerimist, haiguste tuvastamist, biomassi hindamist ja vee kvaliteedi jälgimist. See lähenemine võimaldab ennetavat sekkumist tagasiulatuva analüüsi asemel.

ML-algoritmid täiustavad täppis-vesiviljelust järgmiste vahenditega:

● Mitteinvasiivsete kalade suuruse ja populatsiooni loendamine

● Suremuse tuvastamine ja liikide identifitseerimine

● Anduripõhine keskkonnajuhtimine

Nutikad farmid demonstreerivad praktilist rakendamist, näiteks automatiseeritud ahvenatsoonid, mis minimeerivad käsitsi tööd. Tuvastades optimaalsetest tingimustest enne tervisemõjude ilmnemist, seavad need uuendused masinõppe järgmise põlvkonna kiiritussüsteemide (RAS) alustalaks – suunates vesiviljeluse andmepõhiselt optimeeritud ja tõhusate tootmissüsteemide poole, parandades samal ajal kalavarude heaolu.