Раскрытие потенциала: Большие данные и ИИ революционизируют рыбную промышленность
Коммерческое рыболовство — это гораздо более значимая отрасль, чем большинство из нас думает. Фактически, она играет решающую роль в пищевой, медицинской и косметической промышленности. Однако по мере роста загрязнения и населения перелов рыбы становится проблемой в океанах. Перелов рыбы вызывает ряд проблем, в том числе: деградацию морских экосистем, территориальные конфликты, потерю морского биоразнообразия, незаконный промысел, угрозу продовольственной безопасности, исчезновение нескольких видов. Устойчивое рыболовство предлагает решение этих проблем. Таким образом, устойчивое рыболовство — это использование методов рыболовства, которые уважают среду обитания и границы, обеспечивают достаточное количество рыбы в океане и обеспечивают средства к существованию для тех, кто зависит от рыболовства.
Согласно анализу McKinsey, "в целом, мировое потребление рыбы, по прогнозам, увеличится на 20% с 2020 по 2030 год, что обусловлено ростом населения мира, развитием среднего класса и большей урбанизацией". Технологии используются в глобальном масштабе для содействия устойчивому рыболовству. Использование таких технологий, как искусственный интеллект (AI), машинное обучение (ML), спутниковые данные и геопространственные наборы данных, может сделать рыбоводство устойчивым и предоставить доказательства этого.
Инструменты на основе глубокого обучения для распознавания объектов и изображений становятся все более важными в этой области. Например, бортовые камеры и распознавание изображений предоставляют рыбакам важную информацию об их улове, включая его объем, размер, окрестности, расстояние и многие другие факторы.
Сегодня рыболовным хозяйствам стало намного проще передавать данные с рыболовных судов для анализа алгоритмами благодаря наземным и спутниковым мобильным сетям и смартфонам. Коммерческое рыболовство выиграет от этих разработок, поскольку сможет принимать более обоснованные решения на этапах рыболовного процесса до улова, во время улова и после улова.
Как AI расширяет возможности принятия решений в аквакультуре?
Рыболовные хозяйства используют AI для сбора данных о различных организованных и оперативных элементах рыболовства. Это географическая информационная система, которая используется для создания, поддержания и обновления карт распространения морских видов, имеющих значительную коммерческую ценность.
- Сбор большей части данных со своих датчиков.
- Прогнозная аналитика будет разработана с использованием технологии Sensing Aqua для улучшения принятия решений на основе данных.
- Искусственный интеллект используется роботизированной рыбой Shoal для выявления загрязнения в воде.
- Роботы должны уметь ориентироваться в окружающей среде после запуска в составе группы.
Использование видео- и имиджевой аналитики в морской среде является одним из примеров искусственного интеллекта в рыболовстве. VIAME — это система с открытым исходным кодом, созданная Kitware в сотрудничестве со стратегической инициативой NOAA по автоматизированному анализу изображений (AIASI) для анализа подводного видео и изображений для оценки рыбных запасов. VIAME позволит быстро и экономично интегрировать новые алгоритмические модули, наборы данных и рабочие процессы.
Улучшения, обусловленные:
Технологии больших данных для мониторинга рыболовства:
Однако власти сейчас сталкиваются с новой и более серьезной проблемой в результате почти полного мониторинга рыболовства: записи с камер полезны только в том случае, если они тщательно изучены. Единственный надежный способ для правительственных ведомств узнать о рыболовных практиках и отметить незаконную деятельность — это посредством этого. Из-за этого некоторые органы контроля лишь изредка проводят аудит записей, прежде чем использовать сравнения "на основе доверия", чтобы сравнить свои результаты с промысловыми журналами рыбаков. Однако это подрывает усилия по эффективному управлению рыболовством и дало толчок новым стратегиям решения проблемы. В настоящее время машинное обучение и искусственный интеллект используются для преобразования огромного количества изображений в более полезные "большие данные". Большие данные включают записи транзакций клиентов, производственные базы данных, журналы веб-трафика, автоматизацию, спутники, датчики и IoT.
Преимущества для потребителей морепродуктов:
Заключение:
Хотя компьютеризированное рыболовство прошло долгий путь, в основном благодаря большим данным и искусственному интеллекту, предстоит еще долгий путь, прежде чем оно будет полностью автоматизировано. Однако полные инвестиции в AI и автоматизацию позволят нам производить значительно больше морепродуктов для питания растущего населения мира, а также снизить наше воздействие на окружающую среду и затраты. Полная автоматизация пока невозможна, несмотря на развитие AI. Исследователи разрабатывают технологию, которая может работать без какого-либо вмешательства со стороны людей. Благодаря почти 95-процентной точности в операциях, AI аквакультурными фермами можно управлять и обслуживать гораздо проще. Если AI применяется правильно, производство продукции аквакультуры может быстро возрасти.
Автор: Сакши Гупта