Uwolnienie Potencjału: Rewolucja Big Data i AI w Rybołówstwie
Rybołówstwo komercyjne jest znacznie ważniejszą gałęzią przemysłu, niż większości z nas się wydaje. W rzeczywistości odgrywa ono kluczową rolę w przemyśle spożywczym, medycznym i kosmetycznym. Jednak w miarę wzrostu zanieczyszczeń i populacji, przełowienie staje się problemem w oceanach. Istnieje kilka problemów spowodowanych przełowieniem, w tym: Degradacja ekosystemów morskich, Konflikty terytorialne, Utrata morskiej bioróżnorodności, Nielegalne połowy, Zagrożone bezpieczeństwo żywnościowe, Wymieranie wielu gatunków. Zrównoważone rybołówstwo oferuje rozwiązanie tych problemów. Zatem 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 zapewnić tego dowód.
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 połowach, w tym o ich objętości, wielkości, otoczeniu, odległości i wielu innych czynnikach.
Dziś znacznie łatwiej jest rybołówstwu przesyłać dane ze statków rybackich, które mają być dostarczane do algorytmów w celu analizy, dzięki lądowym i satelitarnym sieciom komórkowym oraz smartfonom. Rybołówstwo komercyjne skorzysta na tych osiągnięciach, ponieważ będzie w stanie lepiej podejmować decyzje podczas faz 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 pozycji rybołówstwa. Jest to system informacji geograficznej, który jest używany do tworzenia, utrzymywania i aktualizowania map rozmieszczenia gatunków morskich o znaczącej wartości komercyjnej.
- Gromadzenie większości danych z ich czujników.
- Analityka predykcyjna zostanie opracowana przy użyciu technologii Sensing Aqua w celu poprawy procesu 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 zastosowania sztucznej inteligencji w rybołówstwie. VIAME to system open-source, który Kitware stworzył we współpracy z Inicjatywą Strategiczną Analizy Zautomatyzowanego Obrazu (AIASI) NOAA w celu analizy podwodnego wideo i obrazów do oceny zasobów rybnych. VIAME umożliwi szybką i niedrogą integrację nowych modułów algorytmicznych, zbiorów danych i przepływów pracy.
Udoskonalenia napędzane:
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 dla departamentów rządowych na poznanie praktyk połowowych i oznaczanie nielegalnej działalności jest właśnie to. Z tego powodu niektóre organy kontrolne przeprowadzają jedynie sporadyczne audyty zapisów, zanim użyją porównań na „zasadzie zaufania”, aby porównać swoje ustalenia z dziennikami połowowymi rybaków. Podważa to jednak 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 obejmują zapisy transakcji klientów, bazy danych produkcyjnych, dzienniki ruchu internetowego, automatyzację, satelity, czujniki i Internet Rzeczy (IoT).
Korzyści dla konsumentów owoców morza:
Wniosek:
Chociaż sterowane komputerowo rybołówstwo przeszło długą drogę, głównie dzięki big data i sztucznej inteligencji, to wciąż długa droga do pełnej automatyzacji. Jednak pełne zainwestowanie w AI i automatyzację umożliwi nam wyprodukowanie 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 udziału człowieka. Przy prawie 95% dokładności operacji, farmy akwakultury oparte na AI mogą być zarządzane i utrzymywane znacznie łatwiej. Jeśli AI zostanie zastosowane prawidłowo, produkcja produktów akwakultury może szybko wzrosnąć.
Autor: Sakshi Gupta