Ujawnianie Potencjału: Big Data i AI Rewolucjonizują Przemysł Rybny
Rybołówstwo komercyjne jestznacznie bardziej znaczącym przemysłem, niż większość z nas myśli. W rzeczywistości odgrywa kluczową rolę w przemyśle spożywczym, medycznym i kosmetycznym. Jednakże, w miarę wzrostu zanieczyszczeń i populacji, nadmierne połowy stały się problemem w oceanach. Istnieje kilka problemów spowodowanych nadmiernymi połowami, w tym: Degradacja ekosystemów morskich, Konflikty terytorialne, Utrata bioróżnorodności morskiej, Nielegalne połowy, Zagrożone bezpieczeństwo żywnościowe, Wymieranie kilku gatunków. Zrównoważone rybołówstwo oferuje rozwiązanie tych problemów. Stąd, zrównoważone rybołówstwo wykorzystuje metody połowów, które szanują siedliska i granice, zapewniają wystarczającą ilość ryb w oceanie i zapewniają utrzymanie dla osób, które zależą od rybołówstwa.
Zgodnie z analizą McKinsey „Ogólnie rzecz biorąc, przewiduje się, że światowe spożycie ryb wzrośnie o 20% od 2020 do 2030 roku, napędzane wzrostem globalnej populacji, rozwojem klasy średniej i większą urbanizacją.” 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 do rozpoznawania obiektów i obrazów stają się coraz ważniejsze w tej dziedzinie. Na przykład kamery pokładowe i rozpoznawanie obrazu dostarczają rybakom kluczowych informacji o ich połowach, w tym o ich objętości, wielkości, otoczeniu, odległości i wielu innych czynnikach.
Dziś jest o wiele prościej dla rybołówstw przesyłać dane z jednostek pływających do algorytmów do analizy dzięki naziemnym i satelitarnym sieciom komórkowym oraz smartfonom. Rybołówstwo komercyjne skorzysta na tych osiągnięciach, będąc w stanie podejmować lepsze decyzje w fazach przed połowem, podczas połowów i po połowach.
Jak AI wzmacnia podejmowanie decyzji w akwakulturze?
Rybołówstwa wykorzystują AI do zbierania danych o różnych zorganizowanych i operacyjnych elementach rybołówstwa. Jest to system informacji geograficznej, który jest wykorzystywany do tworzenia, utrzymywania i aktualizacji map dystrybucji gatunków morskich o istotnej wartości handlowej.
- Zbieranie większości danych z ich czujników.
- Analizy predykcyjne będą opracowywane przy użyciu technologii Sensing Aqua w celu poprawy podejmowania decyzji opartych na danych.
- Sztuczna inteligencja jest wykorzystywana przez robota rybnego Shoal do identyfikacji zanieczyszczeń w wodzie.
- Roboty muszą być w stanie nawigować po swoim otoczeniu po uruchomieniu jako grupa.
Wykorzystanie analizy wideo i obrazów w środowiskach morskich jest jednym z przykładów sztucznej inteligencji w rybołówstwie. VIAME to system open-source, który Kitware stworzył we współpracy z Inicjatywą Strategiczną NOAA ds. Zautomatyzowanej Analizy Obrazów (AIASI) do analizy podwodnych filmów i obrazów do oceny zasobów rybnych. VIAME umożliwi szybką i niedrogą integrację nowych modułów algorytmicznych, zestawów danych i przepływów pracy.
Napędzane ulepszenia:
Technologie Big Data do monitoringu rybołówstwa:
Jednakże władze stoją obecnie w obliczu nowego i poważniejszego problemu w wyniku niemal kompletnego monitoringu rybołówstwa: nagrania z kamer są przydatne tylko wtedy, gdy są starannie badane. Jedyną wiarygodną metodą dla departamentów rządowych, aby dowiedzieć się opołowachpraktykach i oznaczaniu nielegalnej działalności jest właśnie to. Z tego powodu niektóre organy kontroli przeprowadzają jedynie sporadyczne audyty zapisów przed wykorzystaniem porównań „opartych na zaufaniu” w celu porównania swoich ustaleń z dziennikami połowów rybaków. Jednakże podważa to wysiłki mające na celu skuteczne zarządzanie rybołówstwem i dało początek nowym strategiom rozwiązywania problemu. Obecnie uczenie maszynowe i sztuczna inteligencja są wykorzystywane do wzmocnienia ogromnej ilości obrazów w bardziej użyteczne „big data”. Big Data obejmuje zapisy transakcji klientów, bazy danych produkcyjnych, dzienniki ruchu w internecie, automatyzację, satelity, czujniki i IoT.
Korzyści dla konsumentów owoców morza:
Wnioski:
Chociaż rybołówstwo sterowane komputerowo przeszło długą drogę, w dużej mierze dzięki big data i sztucznej inteligencji, to jeszcze długa droga do pełnej automatyzacji. Jednak pełne inwestowanie w AI i automatyzację pozwoli nam wyprodukować znacznie więcej owoców morza, aby wyżywić rosnącą populację świata, jednocześnie obniżając nasz wpływ na środowisko i koszty. Pełna automatyzacja nie jest jeszcze możliwa, pomimo rozwoju AI. Naukowcy opracowują technologię, która może działać bez żadnego wkładu człowieka. Z prawie 95% dokładnością w operacjach, gospodarstwa akwakultury AI mogą być zarządzane i konserwowane znacznie łatwiej. Jeśli AI zostanie zastosowana prawidłowo, produkcja produktów akwakultury może szybko wzrosnąć.
Autor: Sakshi Gupta