تشخیص هشدار های اولیه علائم استرس در میگوهای پرورشی با هوش مصنوعی
تیمی از محققان، یک سیستم بصری کامپیوتری مبتنی بر هوش مصنوعی معرفی کرده‌اند که امکان تشخیص و پایش فوری رشد، تراکم ، مرگ‌ومیر و استرس در میگوهای پرورشی را فراهم می‌کند.
این تیم از محققان، سیستمی مبتنی بر بینایی کامپیوتری ایجاد کرده‌اند – زمینه‌ای از هوش مصنوعی (AI) که رایانه‌ها را قادر می‌سازد اطلاعات معناداری را از تصاویر و ویدیوهای دیجیتال به دست آورند – که می‌تواند تا دقت 95 درصد، تعداد میگوها را شمارش و طول آنها را اندازه‌گیری کند.
به رهبری موسسه آلفرد وگنر، مرکز هلموتز برای تحقیقات قطبی و دریایی (AWI) – با مشارکت Oceanloop و Sander Holding پیشگامان پرورش میگو و MonitorShrimp متخصصان سیستم های تصفیه آب – تیمی از محققان و مهندسان را درگیر کرده است. سیستم مبتنی بر بینایی کامپیوتری که می تواند تعداد میگوها را بشمارد و طول آنها را با دقت 95 درصد اندازه گیری کند. این آزمایش در زمان واقعی و در شرایط واقعی آبزی‌پروری، به عنوان مثال، در تراکم بالا و در آب کِدِر به دست آمد.
این سیستم به شرکت‌های آبزی پروری درک بهتری از عملکرد بیومس زنده آنها و همچنین نحوه پرورش و مدیریت ارائه می‌دهد. این فناوری جدید برای پاسخگویی به نیازهای مزارع میگوی مستقر در اروپا، که به طور فزاینده‌ای بر بهبود پایداری و رفاه حیوانات متمرکز هستند، شکل گرفته است.
نمونه اولیه در بخش تحقیق و توسعه مزرعه Oceanloop در کیل آلمان در سال 2022 آزمایش شد. یک تلفن هوشمند مدرن که در بالای سطح آب نصب شده بود، یک بار در دقیقه به طور خودکار از میگو عکس می گرفت و داده‌های زنده را به یک سرور محلی منتقل می‌کرد. سپس، الگوریتم‌های مبتنی بر مشاهدات کامپیوتری برای شمارش تعداد میگوها در هر تصویر و اندازه‌گیری طول میگوهای جداگانه مورد استفاده قرار گرفتند. اطلاعات حاصل به بسته نرم افزاری پرورش آبزیان ارسال شد و امکان بهینه سازی مدل‌های رشد و تغذیه بر اساس داده های زنده را فراهم کرد.
علاوه بر این، محققان توانستند به صورت بصری علائم استرس را در میگو تشخیص دهند که عملکرد بسیار مفیدی است، همانطور که دکتر برت وکر، مدیر عامل Oceanloop در یک بیانیه مطبوعاتی توضیح داد: “این عملکرد همچنین برای تأیید مدل تراکم سنج ما به عنوان یک سیستم هشدار اولیه استفاده می شود. این فناوری پیشرفته به ما امکان می دهد تا تراکم را برای هر گروه با دقت بالایی اندازه‌گیری کنیم، که باعث می‌شود نرخ بازماندگی، رشد و کارایی خوراک بهبود یابد.
دکتر استفان انده، هماهنگ‌کننده پروژه در AWI، بر اهمیت نظارت بر مرگ و میر بیومس زنده به‌ویژه در آبزی پروری تأکید کرد: «میزان تلفات، که می‌تواند از 13 تا 26 درصد در ماهی سالمون و تا 50 درصد در میگو باشد، بسیار زیاد است. که این مقدار از هر بیومس زنده دیگری بالاتر است. نظارت آنلاین، به شرکت‌های آبزی پروری اجازه می‌دهد تا سریع‌تر به نشانه‌های استرس در آبزیان خود عکس العمل نشان دهند».
توانایی نظارت بر رشد و سلامت میگو با داده‌های آنلاین در زمان واقعی از یک سو به کاهش خطر در آبزی پروری کمک می‌کند و از سوی دیگر طبق اظهارات دکتر فابیان ریدل، یکی از بنیانگذاران و مدیرعامل Oceanloop: باعث شفافیت کامل در مورد زیست توده شده و امکان بهینه سازی زنجیره ارزش از تولید تا فرآوری و فروش را فراهم می‌کند.
Tomasz Kowalczyk، بنیانگذار و مدیر عامل NeuroSYS، متخصص در هوش مصنوعی، که در یادگیری ماشینی و دیجیتالی شدن و در توسعه الگوریتم پروژه سهیم بود، نتیجه گیری کرد: «پیشرفت‌های فناوری می‌تواند شرکت‌ها و کل بخش‌ها را تغییر دهد. ما آماده هستیم تا بخشی از این تحول باشیم و در تلاش هستیم تا مزایای هوش مصنوعی را به بخش پرورش میگو معرفی کنیم.
