Uwolnienie Potencjału: Big Data i AI Rewolucjonizują Przemysł Rybny
Rybołówstwo komercyjne to znacznie ważniejsza gałąź przemysłu, niż większości z nas się wydaje. W rzeczywistości odgrywa ono kluczową rolę w przemyśle spożywczym, medycznym i kosmetycznym. Jednak wraz ze wzrostem zanieczyszczenia i populacji, przełowienie stało się problemem w oceanach. Przełowienie powoduje szereg problemów, w tym: Degradację ekosystemów morskich, Konflikty terytorialne, Utratę bioróżnorodności morskiej, Nielegalne połowy, Zagrożenie bezpieczeństwa żywnościowego, Wymieranie wielu gatunków. Zrównoważone rybołówstwo oferuje rozwiązanie tych problemów. Dlatego zrównoważone rybołówstwo to stosowanie metod połowu, które szanują siedliska i granice, zapewniają wystarczającą ilość ryb w oceanie i zapewniają środki do życia tym, którzy są zależni od rybołówstwa.
Według analizy McKinsey „Ogólnie rzecz biorąc, przewiduje się, że światowa konsumpcja ryb wzrośnie o 20% w latach 2020–2030, ze względu na globalny wzrost populacji, rozwój klasy średniej i postępującą urbanizację”. Technologia jest wykorzystywana na skalę globalną do promowania zrównoważonego rybołówstwa. Wykorzystanie technologii, takich jak sztuczna inteligencja (AI), uczenie maszynowe (ML), dane satelitarne i geoprzestrzenne zbiory danych, może uczynić hodowlę ryb zrównoważoną i dostarczyć na to dowodów.
Narzędzia oparte na głębokim uczeniu do rozpoznawania obiektów i obrazów stają się coraz ważniejsze w tej dziedzinie. Na przykład kamery pokładowe i rozpoznawanie obrazów dostarczają rybakom kluczowych informacji o ich połowie, w tym o jej objętości, rozmiarze, otoczeniu, odległości i wielu innych czynnikach.
Obecnie rybołówstwo może znacznie łatwiej przesyłać dane ze statków rybackich do algorytmów w celu analizy dzięki naziemnym i satelitarnym sieciom komórkowym oraz smartfonom. Rybołówstwo komercyjne skorzysta na tych zmianach, ponieważ będzie w stanie podejmować lepsze decyzje w fazach przed połowem, połowu i po połowie procesu połowowego.
W jaki sposób AI wspiera podejmowanie decyzji w akwakulturze?
Rybołówstwo wykorzystuje AI do zbierania danych na temat różnych zorganizowanych i operacyjnych elementów rybołówstwa. Jest to system informacji geograficznej, który służy do tworzenia, utrzymywania i aktualizacji map rozmieszczenia gatunków morskich o znaczącej wartości handlowej.
- Zbieranie większości danych z czujników.
- Analityka predykcyjna zostanie opracowana przy użyciu technologii Sensing Aqua w celu usprawnienia podejmowania decyzji w oparciu o dane.
- Sztuczna inteligencja jest wykorzystywana przez robotyczną rybę Shoal do identyfikacji zanieczyszczeń w wodzie.
- Roboty muszą być w stanie poruszać się po swoim otoczeniu po uruchomieniu jako grupa.
Wykorzystanie analizy wideo i obrazu w środowisku morskim jest jednym z przykładów zastosowania sztucznej inteligencji w rybołówstwie. VIAME to system open-source, który Kitware stworzył we współpracy z inicjatywą NOAA’s Automated Image Analysis Strategic Initiative (AIASI) do analizy podwodnych filmów i zdjęć w celu oceny zasobów rybnych. VIAME umożliwi szybką i niedrogą integrację nowych modułów algorytmicznych, zbiorów danych i przepływów pracy.
Wprowadzone ulepszenia:
Technologie Big Data do monitorowania rybołówstwa:
Jednak władze stoją teraz w obliczu nowego i poważniejszego problemu w wyniku niemal całkowitego monitoringu rybołówstwa: nagrania z kamer są przydatne tylko wtedy, gdy są dokładnie analizowane. Jedyną wiarygodną metodą, dzięki której departamenty rządowe mogą dowiedzieć się o praktykach połowowych i oznaczać nielegalną działalność, jest ta. Z tego powodu niektóre organy kontrolne przeprowadzają jedynie sporadyczne audyty zapisów, a następnie wykorzystują porównania oparte na „bazie zaufania”, aby porównać swoje ustalenia z dziennikami połowowymi rybaków. Jednak podważa to wysiłki na rzecz skutecznego zarządzania rybołówstwem i doprowadziło do powstania nowych strategii radzenia sobie z tym problemem. Obecnie uczenie maszynowe i sztuczna inteligencja są wykorzystywane do przekształcania ogromnej ilości obrazów w bardziej użyteczne „Big Data”. Big Data obejmują zapisy transakcji klientów, bazy danych produkcyjnych, dzienniki ruchu w sieci, automatyzację, satelity, czujniki i Internet Rzeczy (IoT).
Korzyści dla konsumentów owoców morza:
Wnioski:
Chociaż kontrolowane komputerowo rybołówstwo przeszło długą drogę, głównie dzięki big data i sztucznej inteligencji, to jednak czeka nas jeszcze długa droga, zanim zostaną one w pełni zautomatyzowane. Jednak pełne zainwestowanie w AI i automatyzację umożliwi nam produkcję znacznie większej ilości owoców morza, aby wyżywić rosnącą populację świata, przy jednoczesnym obniżeniu naszego wpływu na środowisko i kosztów. Pełna automatyzacja nie jest jeszcze możliwa, pomimo rozwoju AI. Naukowcy opracowują technologię, która może działać bez jakiegokolwiek wkładu ze strony ludzi. Dzięki prawie 95% dokładności w działaniach, farmy akwakultury AI mogą być znacznie łatwiej zarządzane i utrzymywane. Jeśli AI zostanie zastosowana prawidłowo, produkcja produktów akwakultury może szybko wzrosnąć.
Autor: Sakshi Gupta