Инновации в области машинного обучения в системах замкнутого водоснабжения

Искусственный интеллект и машинное обучение (МО) революционизируют управление RAS, используя исторические данные вместо традиционных допущений моделирования. Благодаря компьютерному зрению, сетям Интернета вещей и глубокому обучению с ускорением на графических процессорах эти технологии преодолевают вычислительные барьеры, обеспечивая аналитику в реальном времени.

Ключевые приложения сосредоточены на мониторинге поведения рыб, где системы выявляют стрессовые реакции, анализируя характер плавания. Например, атлантический лосось демонстрирует хаотичные движения при сублетальных концентрациях сероводорода (30–40 мкг/л), обеспечивая раннее предупреждение о концентрациях ниже пороговых значений токсичности (60 мкг/л). Подводные платформы, такие как RASense1.0, теперь надежно снимают на глубине 0.5 м при переменной освещенности.

Интегрированные системы искусственного интеллекта вещей (AIoT) объединяют искусственный интеллект (ИИ), Интернет вещей (IoT) и робототехнику для автоматизации оптимизации кормления, выявления заболеваний, оценки биомассы и мониторинга качества воды. Такая конвергенция позволяет проводить проактивное вмешательство, а не проводить ретроспективный анализ.

Алгоритмы МО повышают точность аквакультуры за счет:

● Неинвазивное измерение размеров рыб и подсчет популяций

● Выявление смертности и идентификация видов

● Сенсорное управление окружающей средой

Умные фермы демонстрируют практические примеры, например, автоматизированные пруды для разведения окуня, минимизирующие ручной труд. Выявляя неоптимальные условия до того, как возникнут проблемы со здоровьем, эти инновации делают МО основой для УЗВ нового поколения, переводя аквакультуру на оптимизированные для данных, эффективные производственные системы и одновременно улучшая благополучие поголовья.