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 zanieczyszczeń i populacji, przełowienie stało się problemem w oceanach. Istnieje kilka problemów spowodowanych przełowieniem, w tym: Degradacja ekosystemów morskich, Konflikty terytorialne, Utrata różnorodności biologicznej morza, Nielegalne połowy, Zagrożone bezpieczeństwo żywnościowe, Wyginięcie kilku gatunków. Zrównoważone rybołówstwo oferuje rozwiązanie tych problemów. W związku z tym zrównoważone rybołówstwo to stosowanie metod połowu, które szanują siedliska i granice, zapewniają wystarczającą ilość ryb w oceanie i zapewniają utrzymanie osobom, które są zależne 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 większą urbanizację”. Technologia jest wykorzystywana na skalę globalną w celu promowania zrównoważonego rybołówstwa. Wykorzystanie technologii, takich jak sztuczna inteligencja (AI), uczenie maszynowe (ML), dane satelitarne i zbiory danych geoprzestrzennych, może uczynić hodowlę ryb zrównoważoną i dostarczyć na to dowodów.
Narzędzia oparte na głębokim uczeniu się 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, wielkości, otoczeniu, odległości i wielu innych czynnikach.
Obecnie jest o wiele łatwiej dla rybołówstwa przesyłać dane ze statków rybackich, które mają być dostarczane do algorytmów w celu analizy, dzięki naziemnym i satelitarnym sieciom komórkowym i smartfonom. Rybołówstwo komercyjne skorzysta na tych zmianach, będąc w stanie podejmować lepsze decyzje w fazie przed połowem, połowu i po połowie procesu połowowego.
Jak 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 jest wykorzystywany do tworzenia, utrzymywania i aktualizacji map rozmieszczenia gatunków morskich o znaczącej wartości komercyjnej.
- Gromadzenie większości danych z ich czujników.
- Analityka predykcyjna zostanie opracowana przy użyciu technologii Sensing Aqua, aby poprawić proces podejmowania decyzji w oparciu o dane.
- Sztuczna inteligencja jest wykorzystywana przez robota-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 środowiskach morskich jest jednym z przykładów sztucznej inteligencji w rybołówstwie. VIAME to system o otwartym kodzie źródłowym, który Kitware stworzył we współpracy z strategiczną inicjatywą NOAA dotyczącą zautomatyzowanej analizy obrazu (AIASI) do analizy podwodnego wideo i obrazów w celu oceny zasobów rybnych. VIAME umożliwi szybką i niedrogą integrację nowych modułów algorytmicznych, zbiorów danych i przepływów pracy.
Ulepszenia oparte na danych:
Technologie Big Data do monitorowania rybołówstwa:
Jednak władze stoją obecnie w obliczu nowego i poważniejszego problemu w wyniku niemal całkowitego monitoringu rybołówstwa: nagrania z kamer są przydatne tylko wtedy, gdy są dokładnie badane. Jedyną wiarygodną metodą dla departamentów rządowych, aby dowiedzieć się o praktykach połowowych i oznaczać nielegalną działalność, jest właśnie to. Z tego powodu niektóre organy kontrolne przeprowadzają jedynie sporadyczne audyty zapisów przed użyciem porównań na „zasadzie zaufania” w celu porównania swoich ustaleń z dziennikami połowowymi rybaków. Jednak podważa to wysiłki na rzecz skutecznego zarządzania rybołówstwem i dało początek nowym strategiom radzenia sobie z problemem. Obecnie uczenie maszynowe i sztuczna inteligencja są wykorzystywane do przekształcania ogromnej ilości obrazów w bardziej użyteczne „big data”. Big Data obejmuje zapisy transakcji klientów, bazy danych produkcyjnych, dzienniki ruchu internetowego, automatyzację, satelity, czujniki i Internet Rzeczy (IoT).
Korzyści dla konsumentów owoców morza:
Wniosek:
Chociaż kontrolowane komputerowo rybołówstwo przeszło długą drogę, głównie dzięki big data i sztucznej inteligencji, wciąż długa droga przed pełną automatyzacją. Jednak pełne zainwestowanie w AI i automatyzację pozwoli nam produkować znacznie więcej owoców morza, aby wyżywić rosnącą populację świata, a jednocześnie obniżyć nasz wpływ na środowisko i koszty. 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 operacji, farmami akwakultury AI można zarządzać i utrzymywać znacznie łatwiej. Jeśli AI zostanie zastosowane prawidłowo, produkcja produktów akwakultury może szybko wzrosnąć.
Autor: Sakshi Gupta