Aplikasi Kecerdasan Buatan dalam Perikanan
Kecerdasan Buatan (AI) semakin banyak diaplikasikan dalam pelbagai sektor, termasuk perikanan. Di tengah-tengah cabaran perubahan iklim, penurunan stok ikan, peningkatan kos operasi dan permintaan pasaran untuk makanan laut yang lestari, AI menawarkan pendekatan baharu yang lebih tepat, pantas dan berasaskan data. Teknologi ini bukan sahaja relevan untuk industri perikanan berskala besar tetapi juga berpotensi untuk membantu penternak ikan dan nelayan berskala kecil melalui sistem yang lebih mudah diakses, seperti aplikasi mudah alih dan sensor kos rendah. Artikel ini membincangkan pelbagai aplikasi AI dalam perikanan, daripada perikanan dan penanaman hinggalah pemprosesan dan pemantauan serta pengurusan sumber.
1. AI untuk Pemantauan Stok Ikan dan Ramalan Pengagihan
Salah satu cabaran terbesar dalam perikanan tangkapan ialah ketidakpastian lokasi dan kelimpahan ikan. AI boleh menggunakan data oseanografi seperti suhu permukaan laut, klorofil-a, kemasinan, arus, dan juga data satelit untuk meramalkan potensi kawasan penangkapan ikan. Dengan menggunakan teknik pembelajaran mesin, sistem ini boleh mengenal pasti corak yang sebelum ini sukar diperhatikan oleh manusia, seperti hubungan antara perubahan suhu laut dan migrasi ikan pelagik.
Ramalan taburan ikan berasaskan AI membantu nelayan mengurangkan masa pencarian, menjimatkan bahan api dan mengurangkan pelepasan karbon. Tambahan pula, apabila digabungkan dengan data tangkapan dan bermusim, AI boleh mengesyorkan masa terbaik untuk ke laut dan peralatan menangkap ikan yang sesuai. Jika dilaksanakan secara meluas, teknologi ini boleh mengurangkan tekanan penangkapan ikan di kawasan tertentu dengan mengagihkan usaha penangkapan ikan dengan lebih sekata.
2. Pengesanan Ikan dan Selektiviti Peralatan Memancing
Isu tangkapan sampingan, iaitu penangkapan spesies bukan sasaran seperti penyu, mamalia marin atau ikan juvana, merupakan tumpuan utama dalam perikanan lestari. AI, terutamanya visi komputer, boleh dipasang pada kamera pada kapal atau dalam peralatan menangkap ikan untuk mengenal pasti spesies yang ditangkap dalam masa nyata. Sistem ini boleh memberi amaran awal kepada kru jika spesies yang dilindungi ditangkap, membolehkannya dilepaskan dengan segera.
Tambahan pula, AI boleh membantu meningkatkan selektiviti peralatan menangkap ikan. Contohnya, dengan menganalisis rakaman video dan data sensor, sistem ini boleh mengesyorkan perubahan pada saiz mata kail atau masa operasi memancing untuk mengurangkan tangkapan sampingan. Dalam beberapa inovasi, AI juga telah dibangunkan untuk mengawal peranti pengisihan automatik yang memisahkan ikan sasaran daripada spesies lain, menghasilkan tangkapan yang lebih berkualiti tinggi dan lebih mesra alam.
3. AI dalam Akuakultur
Akuakultur berkembang pesat untuk memenuhi keperluan protein global, tetapi ia menghadapi cabaran seperti penyakit, kualiti air, kecekapan makanan dan pertumbuhan yang tidak sekata. AI membantu petani membuat keputusan berasaskan data melalui sistem pemantauan kolam atau sangkar.
a) Pengoptimuman Suapan
Makanan merupakan komponen kos terbesar dalam akuakultur. AI boleh menganalisis tingkah laku pemakanan ikan melalui kamera bawah air atau sensor getaran/bunyi, kemudian melaraskan dos makanan secara automatik. Ini mengurangkan pembaziran makanan, menstabilkan kualiti air dan mengoptimumkan pertumbuhan ikan. Teknologi ini juga membantu mengurangkan pencemaran, kerana makanan yang tidak dimakan sering menjadi sumber ammonia dan mengurangkan tahap oksigen terlarut.
b) Pemantauan Kualiti Air dan Ramalan Risiko
Sensor IoT (Internet of Things) mengukur parameter seperti pH, suhu, oksigen terlarut (DO), ammonia, nitrit dan kekeruhan. AI kemudian menganalisis trend data untuk meramalkan bila keadaan akan menjadi berbahaya dan mengesyorkan tindakan, seperti pengudaraan tambahan atau perubahan air. Pendekatan ramalan ini lebih berkesan daripada menunggu masalah timbul, sekali gus mengurangkan kadar kematian ikan.
c) Pengesanan Penyakit dan Tekanan
Penyakit boleh merebak dengan cepat dalam sistem akuakultur berketumpatan tinggi. AI berasaskan imej boleh mengenali gejala visual seperti luka, perubahan warna atau corak renang yang tidak normal. Model boleh dilatih untuk membezakan ikan yang sihat daripada ikan yang tidak sihat, membolehkan rawatan lebih awal. Pengesanan awal boleh mengurangkan penggunaan antibiotik dan mengurangkan risiko rintangan antimikrob.
4. Automasi dan Robotik dalam Industri Perikanan
AI juga memacu automasi, baik di atas kapal mahupun di kemudahan pemprosesan. Di atas kapal penangkapan ikan, sistem navigasi pintar boleh membantu perancangan laluan berdasarkan cuaca, arus dan lokasi ikan yang diramalkan. Dengan penyepaduan data masa nyata, risiko kemalangan dapat dikurangkan, terutamanya dalam keadaan laut yang ekstrem.
Dalam industri pemprosesan, robot dan mesin pengisihan berkuasa AI digunakan untuk mengklasifikasikan saiz ikan, memeriksa kualiti, mengesan kecacatan dan mengoptimumkan pemotongan fillet. Teknologi ini meningkatkan konsistensi produk, mengurangkan pembaziran dan mempercepatkan proses. Bagi pasaran eksport yang menuntut piawaian yang ketat, AI membantu mengekalkan kualiti dan keselamatan makanan melalui pemeriksaan visual automatik.
5. Kebolehkesanan dan Rantaian Bekalan Berasaskan AI
Pengguna semakin bimbang tentang asal-usul makanan laut: di mana ia ditangkap, melalui kaedah apa, dan sama ada ia sah di sisi undang-undang. AI memainkan peranan dalam meningkatkan kebolehkesanan dengan menganalisis data rantaian bekalan daripada kapal, pelabuhan, storan sejuk dan runcit. Apabila digabungkan dengan teknologi seperti rantaian blok atau sistem pangkalan data bersepadu, AI boleh mengesan anomali, seperti perbezaan berat yang luar biasa, laluan penghantaran yang mencurigakan atau corak transaksi yang menunjukkan amalan haram.
Kebolehkesanan bukan sahaja untuk tujuan pasaran tetapi juga menyokong pengurusan perikanan. Data yang tepat dan konsisten membantu kerajaan dan pemain industri merangka dasar kuota, musim memancing dan penilaian stok yang lebih tepat.
6. Pemantauan Perikanan IUU dan Peraturan Perikanan
Perikanan IUU (Perikanan Haram, Tidak Dilaporkan dan Tidak Dikawal Selia) memudaratkan negara dan merosakkan ekosistem marin. AI digunakan untuk menganalisis data AIS (Sistem Pengenalan Automatik), VMS (Sistem Pemantauan Kapal), imejan satelit dan corak pergerakan kapal. Model AI boleh mengenal pasti tingkah laku yang mencurigakan seperti mematikan AIS, mengelilingi zon larangan atau menjalankan pertemuan kapal di laut, yang boleh menyebabkan pemindahan kapal secara haram.
Dengan sistem amaran awal, pengawasan menjadi lebih cekap kerana pegawai boleh mengutamakan pemeriksaan kapal berisiko tinggi. Ini amat penting bagi negara kepulauan yang besar, di mana sumber pengawasan adalah terhad berbanding liputan maritim.
7. Cabaran Pelaksanaan AI dalam Sektor Perikanan
Walaupun menjanjikan, pelaksanaan AI bukan tanpa cabaran. Pertama, kualiti dan ketersediaan data masih menjadi isu. Banyak kawasan perikanan kekurangan data yang konsisten, manakala model AI banyak bergantung pada data yang baik. Kedua, infrastruktur seperti akses internet, elektrik dan peranti sensor masih tidak diagihkan secara tidak sama rata, terutamanya di kawasan pesisir pantai yang terpencil. Ketiga, terdapat cabaran penggunaan: nelayan dan penternak ikan memerlukan latihan untuk menggunakan teknologi ini dengan berkesan.
Tambahan pula, aspek etika dan tadbir urus data mesti dipertimbangkan. Data mengenai lokasi penangkapan ikan dan aktiviti operasi kapal mempunyai nilai komersial, jadi perlindungan privasi dan mekanisme perkongsian data yang adil adalah penting. Pelaksanaan AI juga perlu memastikan ia tidak meluaskan jurang antara pemain besar dan kecil. Penyelesaian boleh merangkumi program subsidi teknologi, pembangunan sistem sumber terbuka dan kerjasama antara kerajaan, universiti dan industri.
Kesimpulannya
Aplikasi kecerdasan buatan dalam perikanan menawarkan peluang yang besar untuk meningkatkan kecekapan, kemampanan dan daya saing. Daripada meramalkan taburan ikan dan mengurangkan tangkapan sampingan, mengoptimumkan makanan akuakultur, mengautomasikan pemprosesan dan memantau penangkapan ikan IUU, AI berpotensi untuk mengubah sektor perikanan. Walau bagaimanapun, kejayaan pelaksanaannya bergantung pada ketersediaan data, infrastruktur, kesediaan sumber manusia dan dasar yang menyokong. Dengan pendekatan yang betul dan inklusif, AI boleh menjadi alat penting untuk melindungi ekosistem marin sambil meningkatkan kesejahteraan komuniti pesisir pantai.
