Primjena umjetne inteligencije u ribarstvu
Umjetna inteligencija (UI) sve se više primjenjuje u raznim sektorima, uključujući ribarstvo. Usred izazova klimatskih promjena, smanjenja ribljih zaliha, rastućih operativnih troškova i tržišne potražnje za održivom morskom hranom, UI nudi novi, precizniji, brži i pristup utemeljen na podacima. Ova tehnologija nije relevantna samo za veliku ribarsku industriju, već ima i potencijal pomoći malim uzgajivačima ribe i ribarima putem pristupačnijih sustava, kao što su mobilne aplikacije i jeftini senzori. Ovaj članak raspravlja o različitim primjenama UI u ribarstvu, od ribolova i uzgoja do prerade te praćenja i upravljanja resursima.
1. Umjetna inteligencija za praćenje ribljeg fonda i predviđanje distribucije
Jedan od najvećih izazova u ribolovu je nesigurnost lokacije i brojnosti riba. Umjetna inteligencija može koristiti oceanografske podatke poput temperature površine mora, klorofila-a, slanosti, struja, pa čak i satelitskih podataka za predviđanje potencijalnih ribolovnih područja. Korištenjem tehnika strojnog učenja, sustav može identificirati obrasce koje su ljudi prije teško mogli uočiti, poput odnosa između promjena temperature mora i migracije pelagičnih riba.
Predviđanja rasprostranjenosti ribe temeljena na umjetnoj inteligenciji pomažu ribarima da smanje vrijeme pretraživanja, uštede gorivo i smanje emisije ugljika. Nadalje, u kombinaciji s povijesnim podacima o ulovu i sezonskim podacima, umjetna inteligencija može preporučiti najbolje vrijeme za izlazak na more i odgovarajući ribolovni alat. Ako se široko primijeni, ova tehnologija mogla bi smanjiti pritisak ribolova u određenim područjima ravnomjernijom raspodjelom ribolovnog napora.
2. Detekcija ribe i selektivnost ribolovne opreme
Problem prilova, hvatanja neciljanih vrsta poput kornjača, morskih sisavaca ili mlađi riba, glavni je fokus održivog ribarstva. Umjetna inteligencija, posebno računalni vid, može se instalirati na kamere na plovilima ili u ribolovnu opremu kako bi se u stvarnom vremenu identificirale ulovljene vrste. Ovaj sustav može pružiti rano upozorenje posadama ako se ulove zaštićene vrste, omogućujući njihovo brzo puštanje.
Nadalje, umjetna inteligencija može pomoći u poboljšanju selektivnosti ribolovne opreme. Na primjer, analizom video snimaka i podataka senzora, sustav može preporučiti promjene veličine oka mreže ili vremena ribolova 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. Umjetna inteligencija u akvakulturi
Akvakultura brzo raste kako bi zadovoljila globalne potrebe za proteinima, ali se suočava s izazovima poput bolesti, kvalitete vode, učinkovitosti hrane i neujednačenog rasta. Umjetna inteligencija pomaže poljoprivrednicima u donošenju odluka temeljenih na podacima putem sustava za praćenje ribnjaka ili kaveza.
a) Optimizacija feeda
Hrana je najveća komponenta troškova u akvakulturi. Umjetna inteligencija može analizirati ponašanje riba pri hranjenju putem podvodnih kamera ili senzora vibracija/zvuka, a zatim automatski prilagoditi doze hrane. To smanjuje rasipanje hrane, stabilizira kvalitetu vode i optimizira rast riba. Ova tehnologija također pomaže u smanjenju onečišćenja, jer nepojedena hrana često postaje izvor amonijaka i smanjuje razinu otopljenog kisika.
b) Praćenje kvalitete vode i predviđanje rizika
IoT (Internet stvari) senzori mjere parametre poput pH, temperature, otopljenog kisika (DO), amonijaka, nitrita i mutnoće. Umjetna inteligencija zatim analizira trendove podataka kako bi predvidjela kada će uvjeti postati opasni i preporučuje radnje, poput dodatnog prozračivanja ili promjene vode. Ovaj prediktivni pristup učinkovitiji je od čekanja da se pojave problemi, smanjujući stopu smrtnosti riba.
c) Otkrivanje bolesti i stresa
Bolesti se mogu brzo širiti u sustavima akvakulture visoke gustoće. Umjetna inteligencija temeljena na slikama može prepoznati vizualne simptome poput rana, promjene boje ili abnormalnih obrazaca plivanja. Modeli se mogu obučiti za razlikovanje zdravih od nezdravih riba, što omogućuje ranije liječenje. Rano otkrivanje može smanjiti upotrebu antibiotika i smanjiti rizik od antimikrobne rezistencije.
4. Automatizacija i robotika u ribarskoj industriji
Umjetna inteligencija također potiče automatizaciju, kako na plovilima tako i u pogonima za preradu. Na ribarskim plovilima, inteligentni navigacijski sustavi mogu pomoći u planiranju rute na temelju vremena, struja i predviđenih lokacija ribe. Integracijom podataka u stvarnom vremenu može se smanjiti rizik od nesreća, posebno u ekstremnim uvjetima na moru.
U prerađivačkoj industriji, roboti i strojevi za sortiranje pokretani umjetnom inteligencijom koriste se za klasifikaciju veličine ribe, provjeru 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 automatiziranog vizualnog pregleda.
5. Sljedivost i lanac opskrbe temeljen na umjetnoj inteligenciji
Potrošači su sve više zabrinuti zbog podrijetla morskih plodova: gdje su ulovljeni, kojim metodama i jesu li bili legalni. Umjetna inteligencija igra ulogu u poboljšanju sljedivosti analizom podataka o lancu opskrbe s plovila, luka, hladnjača i maloprodaje. U kombinaciji s tehnologijama poput blockchaina ili integriranih sustava baza podataka, umjetna 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. Točni i dosljedni podaci pomažu vladama i industrijskim subjektima da formuliraju točnije politike kvota, ribolovne sezone i procjene stokova.
6. Praćenje ribolova NNN i regulacija ribarstva
IUU ribolov (nezakonit, neprijavljen i nereguliran ribolov) štetan je za zemlju i oštećuje morske ekosustave. Umjetna inteligencija koristi se za analizu podataka AIS-a (Automatskog identifikacijskog sustava), VMS-a (Sustava za praćenje plovila), satelitskih snimaka i obrazaca kretanja plovila. Modeli umjetne inteligencije mogu prepoznati sumnjivo ponašanje poput isključivanja AIS-a, kruženja oko zabranjenih zona ili održavanja susreta plovila na moru, što bi moglo dovesti do ilegalnog pretovara.
S sustavom ranog upozorenja, nadzor postaje učinkovitiji jer službenici mogu dati prioritet inspekcijama visokorizičnih plovila. To je posebno važno za velike arhipelaške države, gdje su resursi za nadzor ograničeni u usporedbi s pomorskim pokrivanjem.
7. Izazovi implementacije umjetne inteligencije u ribarskom sektoru
Unatoč obećanjima, implementacija umjetne inteligencije nije bez izazova. Prvo, kvaliteta i dostupnost podataka i dalje su problemi. Mnoga ribolovna područja nemaju dosljedne podatke, dok se modeli umjetne inteligencije uvelike 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 prihvaćanja: ribarima i uzgajivačima ribe potrebna je obuka kako bi učinkovito koristili tehnologiju.
Nadalje, moraju se uzeti u obzir etički aspekti i aspekti upravljanja podacima. Podaci o ribolovnim lokacijama i operativnim aktivnostima plovila imaju komercijalnu vrijednost, stoga su zaštita privatnosti i mehanizmi pravedne razmjene podataka ključni. Implementacija umjetne inteligencije također mora osigurati da ne povećava jaz između velikih i malih igrača. Rješenja bi mogla uključivati programe subvencija za tehnologiju, razvoj sustava otvorenog koda i suradnju između vlade, sveučilišta i industrije.
Zaključak
Primjena umjetne inteligencije u ribarstvu nudi značajne mogućnosti za poboljšanje učinkovitosti, održivosti i konkurentnosti. Od predviđanja distribucije ribe i smanjenja prilova, optimizacije hrane za akvakulturu, automatizacije obrade, do praćenja ribolova NNN, umjetna inteligencija ima potencijal transformirati sektor ribarstva. Međutim, njezina uspješna provedba ovisi o dostupnosti podataka, infrastrukturi, spremnosti ljudskih resursa i potpornim politikama. S pravim i uključivim pristupom, umjetna inteligencija može biti ključan alat za zaštitu morskih ekosustava uz istovremeno poboljšanje dobrobiti obalnih zajednica.
