Primjena umjetne inteligencije u ribarstvu
Umjetna inteligencija (AI) se sve više primjenjuje u raznim sektorima, uključujući ribarstvo. Usred izazova klimatskih promjena, smanjenja ribljih zaliha, rastućih operativnih troškova i tržišne potražnje za održivom morskom hranom, AI nudi novi, precizniji, brži i pristup zasnovan na podacima. Ova tehnologija nije relevantna samo za industriju velikog ribarstva, već ima i potencijal da pomogne malim uzgajivačima ribe i ribarima putem pristupačnijih sistema, kao što su mobilne aplikacije i jeftini senzori. Ovaj članak razmatra različite primjene AI u ribarstvu, od ribolova i uzgoja do prerade i praćenja i upravljanja resursima.
1. Vještačka inteligencija za praćenje ribljeg fonda i predviđanje distribucije
Jedan od najvećih izazova u ribolovu je nesigurnost lokacije i brojnosti riba. Vještačka inteligencija može koristiti okeanografske podatke poput temperature površine mora, hlorofila-a, saliniteta, struja, pa čak i satelitskih podataka, kako bi predvidjela potencijalna ribolovna područja. Koristeći tehnike mašinskog učenja, sistem može identificirati obrasce koje su ljudi ranije teško mogli uočiti, poput odnosa između promjena temperature mora i migracije pelagičnih riba.
Predviđanja distribucije ribe zasnovana na vještačkoj inteligenciji pomažu ribarima da smanje vrijeme pretrage, uštede gorivo i smanje emisije ugljika. Nadalje, kada se kombinuje s historijskim podacima o ulovu i sezonskim podacima, vještačka inteligencija može preporučiti najbolje vrijeme za izlazak na more i odgovarajuću ribolovnu opremu. Ako se široko primijeni, ova tehnologija bi mogla smanjiti pritisak na ribolov u određenim područjima ravnomjernijom raspodjelom ribolovnog napora.
2. Detekcija ribe i selektivnost ribolovne opreme
Problem prilova, hvatanja vrsta koje nisu ciljna vrsta poput kornjača, morskih sisara ili mlađi riba, glavni je fokus održivog ribarstva. Vještačka inteligencija, posebno kompjuterski vid, može se instalirati na kamere na plovilima ili u ribolovnu opremu kako bi se u stvarnom vremenu identificirale uhvaćene vrste. Ovaj sistem može pružiti rano upozorenje posadama ako se ulove zaštićene vrste, omogućavajući im da se brzo puste.
Nadalje, umjetna inteligencija može pomoći u poboljšanju selektivnosti ribolovne opreme. Na primjer, analizom video snimaka i podataka senzora, sistem može preporučiti promjene veličine oka mreže ili vremena ribolovnih operacija kako bi se smanjio prilov. U nekim inovacijama, umjetna inteligencija je čak razvijena za kontrolu automatskih uređaja za sortiranje koji odvajaju ciljanu ribu od drugih vrsta, što rezultira kvalitetnijim i ekološki prihvatljivijim ulovom.
3. Vještačka inteligencija u akvakulturi
Akvakultura se brzo razvija kako bi zadovoljila globalne potrebe za proteinima, ali se suočava s izazovima kao što su bolesti, kvalitet vode, efikasnost hrane i neujednačen rast. Vještačka inteligencija pomaže poljoprivrednicima da donose odluke zasnovane na podacima putem sistema za praćenje ribnjaka ili kaveza.
a) Optimizacija feedova
Hrana je najveća komponenta troškova u akvakulturi. Vještačka inteligencija može analizirati ponašanje riba prilikom hranjenja putem podvodnih kamera ili senzora vibracija/zvuka, a zatim automatski prilagoditi doze hrane. To smanjuje rasipanje hrane, stabilizira kvalitet vode i optimizira rast riba. Ova tehnologija također pomaže u smanjenju zagađenja, jer nepojedena hrana često postaje izvor amonijaka i smanjuje nivo rastvorenog kiseonika.
b) Praćenje kvaliteta vode i predviđanje rizika
IoT (Internet stvari) senzori mjere parametre kao što su pH, temperatura, rastvoreni kisik (DO), amonijak, nitriti i mutnoća. Vještačka inteligencija zatim analizira trendove podataka kako bi predvidjela kada će uslovi postati opasni i preporučuje akcije, poput dodatne aeracije ili promjene vode. Ovaj prediktivni pristup je efikasniji od čekanja da se pojave problemi, smanjujući stopu smrtnosti riba.
c) Detekcija bolesti i stresa
Bolesti se mogu brzo širiti u sistemima akvakulture visoke gustoće. Vještačka inteligencija zasnovana na slikama može prepoznati vizualne simptome poput rana, promjene boje ili abnormalnih obrazaca plivanja. Modeli se mogu obučiti da razlikuju zdrave od nezdravih riba, što omogućava ranije liječenje. Rano otkrivanje može smanjiti upotrebu antibiotika i smanjiti rizik od antimikrobne rezistencije.
4. Automatizacija i robotika u ribarskoj industriji
Vještačka inteligencija također pokreće automatizaciju, kako na brodovima tako i u postrojenjima za preradu. Na ribarskim brodovima, inteligentni navigacijski sistemi mogu pomoći u planiranju rute na osnovu vremenskih uslova, struja i predviđenih lokacija ribe. Integracijom podataka u realnom vremenu, rizik od nesreća može se smanjiti, posebno u ekstremnim uslovima na moru.
U prerađivačkoj industriji, roboti i mašine za sortiranje pokretani umjetnom inteligencijom koriste se za klasifikaciju veličine ribe, inspekciju kvalitete, otkrivanje nedostataka i optimizaciju rezanja fileta. Ova tehnologija poboljšava konzistentnost proizvoda, smanjuje otpad i ubrzava procese. Za izvozna tržišta koja zahtijevaju stroge standarde, umjetna inteligencija pomaže u održavanju kvalitete i sigurnosti hrane putem automatizirane vizualne inspekcije.
5. Sljedivost i lanac snabdijevanja zasnovan na umjetnoj inteligenciji
Potrošači su sve više zabrinuti zbog porijekla morskih plodova: gdje su ulovljeni, kojim metodama i da li su legalni. Vještačka inteligencija igra ulogu u poboljšanju sljedivosti analizirajući podatke o lancu snabdijevanja s plovila, luka, hladnjača i maloprodaje. U kombinaciji s tehnologijama poput blockchaina ili integriranih sistema baza podataka, vještačka inteligencija može otkriti anomalije, poput neuobičajenih odstupanja u težini, sumnjivih ruta otpreme ili obrazaca transakcija koji ukazuju na ilegalne prakse.
Sljedivost nije samo u tržišne svrhe, već i podržava upravljanje ribarstvom. Tačni i konzistentni podaci pomažu vladama i industrijskim akterima da formulišu preciznije politike kvota, ribolovne sezone i procjene stokova.
6. Praćenje i regulacija ribolova NNN
IUU ribolov (nezakonit, neprijavljen i neregulisan ribolov) je štetan za zemlju i oštećuje morske ekosisteme. Vještačka inteligencija se koristi za analizu podataka AIS-a (Automatski sistem identifikacije), VMS-a (Sistem za praćenje plovila), satelitskih snimaka i obrazaca kretanja plovila. Modeli vještačke inteligencije mogu identificirati sumnjivo ponašanje kao što je isključivanje AIS-a, kruženje oko zabranjenih zona ili održavanje susreta plovila na moru, što bi moglo dovesti do ilegalnog pretovara.
Sa sistemom ranog upozorenja, nadzor postaje efikasniji jer službenici mogu dati prioritet inspekcijama visokorizičnih plovila. Ovo je posebno važno za velike arhipelaške nacije, gdje su resursi za nadzor ograničeni u poređenju sa pomorskim pokrivanjem.
7. Izazovi implementacije umjetne inteligencije u sektoru ribarstva
Uprkos obećanjima, implementacija umjetne inteligencije nije bez izazova. Prvo, kvalitet i dostupnost podataka ostaju problemi. Mnoga ribolovna područja nemaju konzistentne podatke, dok se modeli umjetne inteligencije uveliko oslanjaju na dobre podatke. Drugo, infrastruktura poput pristupa internetu, električne energije i senzorskih uređaja ostaje neravnomjerno raspoređena, posebno u udaljenim obalnim područjima. Treće, postoje izazovi u usvajanju: ribarima i uzgajivačima ribe potrebna je obuka kako bi efikasno koristili tehnologiju.
Nadalje, moraju se uzeti u obzir etički aspekti i aspekti upravljanja podacima. Podaci o lokacijama ribolova i operativnim aktivnostima plovila imaju komercijalnu vrijednost, tako da su zaštita privatnosti i mehanizmi pravedne razmjene podataka ključni. Implementacija umjetne inteligencije također mora osigurati da ne proširi jaz između velikih i malih igrača. Rješenja bi mogla uključivati programe subvencija za tehnologiju, razvoj sistema otvorenog koda i saradnju između vlade, univerziteta i industrije.
Zaključak
Primjena umjetne inteligencije u ribarstvu nudi značajne mogućnosti za poboljšanje efikasnosti, održivosti i konkurentnosti. Od predviđanja distribucije ribe i smanjenja prilova, optimizacije hrane za akvakulturu, automatizacije obrade, do praćenja nezakonitog, nereguliranog i nereguliranog ribolova, umjetna inteligencija ima potencijal da transformira sektor ribarstva. Međutim, njena uspješna implementacija zavisi od dostupnosti podataka, infrastrukture, spremnosti ljudskih resursa i podržavajućih politika. Uz pravi i inkluzivan pristup, umjetna inteligencija može biti vitalni alat za zaštitu morskih ekosistema, a istovremeno poboljšava dobrobit obalnih zajednica.
