三文魚被iFarm的人工智能可視化

過去幾個月流傳了幾篇著名的新聞報道，描述了人工智能在水產(chǎn)養(yǎng)殖行業(yè)中應(yīng)用的進展。當(dāng)然，對于我們這些在高級計算機編程領(lǐng)域經(jīng)驗有限的人來說，首先出現(xiàn)的問題之一通常是“AI究竟是什么”？

無需過多表述之下， 人工智能涉及有助于識別（圖像、語言、音樂等）和決策制定的編程，這一切都無需人工監(jiān)督 。牛津語言將人工智能定義為“能夠執(zhí)行通常需要人類智能的任務(wù)的計算機系統(tǒng)的理論和發(fā)展，例如：視覺感知、語音識別、決策制定和語言之間的解決方案”。

人工智能目前應(yīng)用于水產(chǎn)養(yǎng)殖的歷史始于一種叫做模糊邏輯的東西。1965年，加州大學(xué)伯克利分校的Lotfi A Zadeh發(fā)表了一篇題為“模糊集”的學(xué)術(shù)文章。他提出了對象類顯示“成員等級的連續(xù)統(tǒng)一體”的新概念。這個概念強調(diào)，許多事物并不能清楚地歸為一類或另一類，并為現(xiàn)在所謂的模糊邏輯奠定了基礎(chǔ)。 

雖然傳統(tǒng)的時間計算使用0或1，以及真或假的值，但模糊邏輯背后的理論涵蓋了人類感知的現(xiàn)實，其中事物通常介于0和1，或者真與假之間。多年來，模糊邏輯已將自身應(yīng)用于圖像處理和疾病診斷等計算機應(yīng)用，并且已被納入從汽車變速箱到洗碗機，再到復(fù)印機等一切事物的控制系統(tǒng)中。

二十多年前，我第一次接觸到人工智能在水產(chǎn)養(yǎng)殖中應(yīng)用的可能性。LI等人(2000年) 位于加爾維斯頓的得克薩斯大學(xué)醫(yī)學(xué)分校發(fā)表了，他們在封閉循環(huán)水系統(tǒng)中使用基于模糊邏輯的控制系統(tǒng)中，進行反硝化作用的總結(jié)。他們的工作重點是為生物醫(yī)學(xué)研究的魷魚系統(tǒng)，開發(fā)計算機控制的反硝化生物反應(yīng)器。模糊邏輯用于處理來自測量溶解氧、氧化還原電位和pH值的傳感器的實時輸入，進而控制泵送速率和生物反應(yīng)器的碳進料添加量。

人工智能技術(shù)在過去二十年中在許多領(lǐng)域發(fā)展迅速，通常以很容易適應(yīng)水產(chǎn)養(yǎng)殖生產(chǎn)的方式發(fā)展，比如：具有特殊影響的兩項進步是深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)。傳統(tǒng)的機器學(xué)習(xí)使用算法來執(zhí)行所提供數(shù)據(jù)的功能 ，但隨著時間的推移，通過反饋和調(diào)整（部分來自人工輸入）變得更加高效。深度學(xué)習(xí)通過分層算法和自我評估和調(diào)整更進一步，深度學(xué)習(xí)系統(tǒng)通過自己的計算過程進行學(xué)習(xí)，然而，卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法，對圖像識別和解釋特別有用。

傳感器正在收集數(shù)據(jù)，并創(chuàng)建生產(chǎn)算法，以提高養(yǎng)殖場效率。

與此同時，傳感器技術(shù)突飛猛進，通過云、5G網(wǎng)絡(luò)和物聯(lián)網(wǎng) (IoT) 的連接，也有了突飛猛進的發(fā)展。因此，人工智能目前正在水產(chǎn)養(yǎng)殖中進行評估和部署，以提高養(yǎng)殖效率、產(chǎn)量估算、生長跟蹤、疾病的早期檢測、環(huán)境監(jiān)測和控制（尤其是在RAS系統(tǒng)中）以及降低勞動力成本。借助現(xiàn)代傳感器和處理技術(shù)，現(xiàn)代水產(chǎn)養(yǎng)殖的許多常規(guī)任務(wù)可以用更少的勞動力和改善的動物生長性能來完成。

基于魚類行為和外觀的高級疾病檢測，已成為人工智能應(yīng)用的一個有前途的領(lǐng)域。chen等人(2022) 報道了，使用深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)對網(wǎng)箱，對養(yǎng)殖石斑魚的三種異常外觀進行分類的兩階段圖像分析系統(tǒng)。在該研究開發(fā)的四種分類模型中，平均準確率為98.94%。

為水產(chǎn)業(yè)精心設(shè)計人工智能系統(tǒng)所需的組件成本仍然相對較高，但成本趨勢和新方法最終可能會擴展到甚至資源最有限的生產(chǎn)者的可及性。最近， Darapaneni 等人 (2022年) 提出了一個專門用于早期發(fā)現(xiàn)疾病爆發(fā)的系統(tǒng)，為養(yǎng)殖戶提供更多時間來應(yīng)對合適的管理選擇。該系統(tǒng)依靠水下攝像機或類似傳感器獲取圖像，這些圖像通過云端傳遞給合作伙伴進行處理和評分，隨后，數(shù)據(jù)將通過訓(xùn)練有素的人工智能模型進行分類和分析，整個過程可短至幾分鐘，這樣，每天可以評估多個養(yǎng)殖場。

ReelData的AI系統(tǒng)正在評估三文魚

更有效的投喂方式也是最近水產(chǎn)養(yǎng)殖AI研究的重點。chen等人 (2021年) 使用基于支持向量機模型的生物量預(yù)測公式，使用實時水質(zhì)數(shù)據(jù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)來預(yù)測RAS系統(tǒng)中養(yǎng)殖的蝦的飼料需求和最佳投喂量。結(jié)果表明平均百分比誤差僅為為3.7%，這遠高于人工喂食所能達到的水平。

生物量監(jiān)測和存塘量控制也是人工智能在水產(chǎn)養(yǎng)殖中應(yīng)用的沃土。Gon?alves等人 (2022) 描述了使用卷積神經(jīng)網(wǎng)絡(luò)計算魚種數(shù)量。人工智能方法涉及連續(xù)圖像，即使兩個或更多個體相互接觸或互相重疊，也可以對魚類進行計數(shù)，并且也可以用于預(yù)測魚種運動。

Natsuike等人(2022年) 使用一種稱為“語義分割”的深度學(xué)習(xí)技術(shù)，結(jié)合大約9000張延時圖像，來識別燈籠網(wǎng)中的單個扇貝，并跟蹤它們的生長和行為模式。

雖然一些行業(yè)觀察家和利益相關(guān)者，可能不確定人工智能在水產(chǎn)養(yǎng)殖生產(chǎn)中的未來，或者猶豫是否要全心全意地接受它，但其他人正在大舉嘗試。加拿大公司ReelData AI為陸上水產(chǎn)養(yǎng)殖開發(fā)了兩種著名的產(chǎn)品：ReelAppetite監(jiān)測和調(diào)整飼料消耗和供應(yīng)，而ReelBiomass提供養(yǎng)殖池內(nèi)水生動物尺寸和重量分布的估計。更重要的是，該公司最近因在其A輪融資中籌集了超過800萬美元而成為頭條新聞 。

Cermaq的人工智能iFarm

總部位于東京的Umitron Corporation一直致力于將AI技術(shù)應(yīng)用于水產(chǎn)養(yǎng)殖應(yīng)用。Kura Sushi連鎖餐廳一直在其Kura Osakana生產(chǎn)基地使用Umitron開發(fā)的人工智能系統(tǒng)養(yǎng)殖巴鰹魚。Umitron的系統(tǒng)利用游泳行為的實時監(jiān)控來決定何時以及向每個養(yǎng)殖池分配多少飼料。這種方法顯著提高了飼料轉(zhuǎn)化效率，同時減少了浪費，并大大降低了與傳統(tǒng)日常喂養(yǎng)需要大量人工成本，這種魚現(xiàn)在以“AI Sumagatsuo”的名義銷售。

使用Umitron的AI解決方案喂巴鰹魚

全球三文魚生產(chǎn)商Cermaq多年來也一直在使用人工智能系統(tǒng)，這個系統(tǒng)被稱為iFarm，由技術(shù)合作伙伴BioSort開發(fā)，總體目標是改善網(wǎng)箱中魚類的健康和生長性能。該研究涉及增量目標。最初， 該公司專注于魚如何與系統(tǒng)交互，隨后的試驗旨在調(diào)整和簡化系統(tǒng)組件和操作。目前的試驗正在評估傳感器技術(shù)、數(shù)據(jù)采集和處理以及機器學(xué)習(xí)算法。另外，開發(fā)在網(wǎng)箱內(nèi)對魚類進行分類的方法也已成為當(dāng)務(wù)之急，目標是根據(jù)魚類獨特的點狀圖案和海虱的存在情況來監(jiān)測和治療個別魚類。

基于人工智能的水產(chǎn)養(yǎng)殖監(jiān)測和控制的各個方面的技術(shù)都在迅速發(fā)展，現(xiàn)代設(shè)備現(xiàn)在可以對魚蝦的大小、形狀、位置和行為進行立體觀察?！奥暭{相機”現(xiàn)在可以將聲音回聲轉(zhuǎn)換為視頻圖像，以便在黑暗或渾濁的環(huán)境中使用。水質(zhì)監(jiān)測可以在池塘和大水箱中進行三維水質(zhì)監(jiān)測，方法是使用自動駕駛汽車升高和降低傳感器以生成3D數(shù)據(jù)，雖然室內(nèi)（RAS）和水下（網(wǎng)箱）生產(chǎn)環(huán)境相對穩(wěn)定，但未來露天池塘部署的設(shè)備，可能會遇到更多環(huán)境挑戰(zhàn)。

wu等人 (2022年) 廣泛概述了人工智能在水產(chǎn)養(yǎng)殖中的當(dāng)前和潛在用途，他們概述了許多設(shè)備的技術(shù)演變，從手動到機械化、自動化，最終是智能設(shè)備。這些作者的一項重要觀察是通過使用無人設(shè)備提高生物安全的潛力，并且自主機器人的開發(fā)正在農(nóng)業(yè)領(lǐng)域迅速擴大。這些設(shè)備在通過收集和清除尸體、未食用的飼料和累積的廢物，以及清潔網(wǎng)具來維持衛(wèi)生條件方面具有巨大潛力。雖然某些方面的成本仍然有些高得令人望而卻步，但預(yù)計在未來幾年會下降。

Cermaq的iFarm目前正在飼養(yǎng)第三批魚

Mustapha等人(2021) 回顧了本文中提出的許多觀點，并指出了一些可能使人工智能在水產(chǎn)養(yǎng)殖中的廣泛采用變得復(fù)雜的限制和挑戰(zhàn)。其中包括與所需的互連系統(tǒng)和網(wǎng)絡(luò)的許多級別相關(guān)的安全問題。另一個問題是需要復(fù)雜的數(shù)據(jù)采集，來有意義地捕捉許多生產(chǎn)系統(tǒng)中發(fā)現(xiàn)的復(fù)雜性和生物相互作用。深度學(xué)習(xí)AI需要大量的訓(xùn)練數(shù)據(jù)，而這通常很難獲得，成本效益考慮也將在很大程度上決定人工智能采用的范圍和速度。但長期的趨勢表明，人工智能的優(yōu)勢勢必越來越明顯。