«Умные» рыбные ёмкости: как искусственный интеллект меняет аквакультуру
Рибоводство долгое время во многом опиралось на опыт и визуальную оценку: по небу определяли погоду, по цвету воды — состояние рыбы, наблюдали, кушает ли она — и на этом основывали решения. Появление искусственного интеллекта меняет эту практику: теперь многие выводы можно формировать на основе данных с камер и сенсоров, а не только на глаз.
Камеры под водой и алгоритмы анализа движения помогают понять, действительно ли рыба голодна. В крупных бассейнах корм дается в определенное время, но рыба не всегда ест одинаково: меняется погода, температура воды, могут появляться болезни. При этом лишний корм остается в воде, разлагается и ухудшает качество среды. Современные системы следят за поведением стай в кадре: если рыба плавает вяло или не поднимается к корму, алгоритмы сигнализируют, что порцию следует уменьшить. Это экономит корм и сохраняет качество воды.
Камеры умеют не только фиксировать движение, но и распознавать объекты в различных условиях освещенности; они отличают рыбу от растений или пузырей. По кадровым последовательностям алгоритмы выявляют направление движения стай — к корму или в противоположную сторону — и на основании этого корректируют кормление. AI-системы также используются для раннего обнаружения болезней. Болезные особи часто отделяются от стаи, плавают медленнее или поднимаются к поверхности. Камеры в сочетании с сенсорами фиксируют такие отклонения в поведении. Научные группы обучают модели на тысячах изображений и видеозаписях, помечая нормальные и патологические паттерны, благодаря чему можно получать предупреждения до массового распространения инфекции.
Спутниковые снимки стали ещё одним инструментом для мониторинга аквакультуры, особенно в районах с большим количеством прудов и ограждений, где инвентаризация с земли затруднительна. Анализ спутниковых изображений позволяет выявлять плотность водоёмов, зоны активного хозяйствования и участки с уменьшением водного покрытия. Это помогает в планировании и принятии управленческих решений на региональном уровне.
AI находит применение и в морской рыбалке. Существуют мобильные приложения, которые на основе метео- и океанографических данных подсказывают состояние волн, погоду и вероятные места скопления рыбы, что повышает безопасность промысла и снижает бесполезный расход топлива. Несколько стартапов уже поставляют рыбакам и фермерам уведомления на мобильные устройства: когда кормить, когда менять воду, когда возрастает риск заболевания. Некоторые приложения используют спутниковые данные для определения потенциальных мест скопления рыбы, что экономит топливо.
Несмотря на очевидные преимущества, у AI в аквакультуре есть ограничения. Высококачественные камеры, сенсоры и вычислительное оборудование недешевы, поэтому мелким фермерам трудно внедрять такие решения. Для обучения надежных моделей необходимы большие объёмы размеченных данных: пока не во всех видах и для всех болезней собрано достаточное количество изображений и видеозаписей. Это сдерживающий фактор для широкого распространения автоматизации.
Тем не менее перспективы очевидны: в будущем могут появиться полностью автоматизированные резервуары, где сенсоры непрерывно контролируют параметры воды, AI управляет кормлением и заблаговременно отправляет на мобильный телефон предупреждения о рисках заболеваний. Хотя такие сценарии напоминают научную фантастику, их реализация уже началась. При правильном использовании технологий аквакультура может стать более прибыльной, экологичной и устойчивой.
Авторы: Шубхдип Гхара (бакалавр/магистр в области рыбной биотехнологии, работает в биоинформатике и исследованиях в аквакультуре), д-р Джитендра Кумар Сундарай (ведущий научный сотрудник ICAR – Центрального института пресноводной аквакультуры, с многолетним опытом в области рыбоводства и водных технологий).
