LALLEMAND
CARGILL_Empyreal
CARGILL

Piscifactoría inteligente: el futuro de la acuicultura

NICOVITA
AQUAMOL
Megasupply
PRILABSA
NRA

El desarrollo de nuevas tecnologías representa grandes oportunidades y retos para la acuicultura. La inteligencia artificial, el internet de las cosas, el big data, los sensores, la visión artificial y los robots marcan el futuro y la evolución hacia la piscifactoría inteligente.

Definición y marco del sistema de la piscifactoría inteligente

Las piscifactorías inteligentes se basan en la tecnología digital para resolver los problemas de escasez de mano de obra en la acuicultura, contaminación del agua, alto riesgo y baja eficiencia.

Según los diferentes entornos de cultivo, pueden dividirse en cuatro categorías: piscifactoría inteligente tipo estanque, tipo fábrica en tierra, tipo jaula y granja marina inteligente.

La piscifactoría inteligente de estanque recopila información sobre la calidad del agua en tiempo real mediante sensores, y para obtenerla acerca de las actividades de los peces en la superficie del agua utiliza las patrullas de vehículos aéreos no tripulados.

La tipo terrestre utiliza principalmente la acuicultura de recirculación automatizada (RAS); mientras que la tipo jaula, obtiene información sobre la calidad del agua de mar y la corriente oceánica mediante sensores y registra datos sobre el movimiento y la alimentación de los peces mediante visión artificial y sonar (Figura 1).

Tecnología de la información avanzada en la piscifactoría inteligente

El sistema tradicional de internet de las cosas (IoT, por sus siglas en inglés) para acuicultura adopta una estructura de tres niveles. El nivel de dispositivos se compone de equipos de detección, equipos de control y terminales de adquisición de datos.

El equipo de detección es responsable de recoger los datos ambientales, así como del estado de funcionamiento del dispositivo y la información de imágenes de vídeo de acuicultura.

El equipo de control incluye el aireador, el alimentador, la válvula de la bomba y otros. El terminal de adquisición de datos es responsable de la transmisión ascendente de los datos de los sensores y de la recepción de las instrucciones de control.

“El nivel de red generalmente adopta la red inalámbrica y el nivel de servicios en la nube incluye la plataforma en la nube y la aplicación para teléfonos inteligentes.”

Para las empresas con altos requisitos de datos en tiempo real, se necesita una latencia de extremo a extremo de pocos milisegundos, pero es difícil que los modelos ordinarios de computación en la nube puedan cumplir tales tareas, razón por la cual esta investigación introduce Edge computing y 5G en el sistema IoT de acuicultura para mejorar la estandarización, la estabilidad y la usabilidad (Figura 2).

El trabajo de informatización de la pesca producirá un gran número de datos multidimensionales. Al simular el pensamiento humano y el comportamiento inteligente, la inteligencia artificial (IA, por sus siglas en inglés) puede aprender de la información masiva proporcionada por el IoT y los big data, analizar y juzgar los problemas y, finalmente, completar la tarea de toma de decisiones y realizar la operación precisa de la granja de peces.

Hardware inteligente para la medición, el control y la autoalimentación

El monitoreo ecológico del entorno acuático se refiere al uso de sensores y cámaras que llevan los barcos no tripulados o las boyas de superficie para recoger automáticamente información acerca de los parámetros de calidad del agua, las imágenes biológicas de la acuicultura y vídeo, para luego almacenar, transmitir, analizar y predecir los datos.

El sistema de aireación inteligente se refiere al equipo con capacidad para medir y controlar con precisión el oxígeno disuelto (DO, por sus siglas en inglés) en el agua, el cual se compone de varios sensores, módulo de transmisión de red y actuador IoT.

El aireador inteligente puede monitorear la temperatura del agua, la humedad del aire, la presión del aire y el DO en tiempo real.

Por su parte, el sistema de alimentación automática ha sido ampliamente utilizado en la acuicultura industrial de recirculación, incluyendo el sistema de alimentación automática con control centralizado de múltiples monómeros y el sistema de robot de alimentación automática.

En la piscifactoría inteligente de tipo estanque, el equipo inteligente de lanzamiento de alimento debe desplegarse en barcos no tripulados o en vehículos aéreos no tripulados, y el vehículo aéreo no tripulado se encargará del transporte y la carga del mismo de forma independiente.

Sistema de patrulla no tripulado

Los peces robot biomiméticos llevan una serie de sensores para controlar automáticamente la calidad del agua y el estado de funcionamiento de los equipos clave.

También, puede supervisar la alimentación de los peces basándose en la tecnología de visión por ordenador y analizar los datos relevantes para proporcionar una base que permita optimizar la estrategia empleada.

“El robot de inspección basado en deep learning, la visión por ordenador y la tecnología de posicionamiento, puede detectar la posición de los peces enfermos y muertos y recogerlos. “

El robot submarino en el cultivo en jaulas también es capaz de localizar las posiciones dañadas y contaminadas de los paños de red y utilizar la herramienta para limpiarlos y repararlos.

El robot orbital puede inspeccionar la red de tuberías de agua circulante, el equipo de oxigenación y el equipo de alimentación en el taller de acuicultura de recirculación según la ruta de inspección predeterminada.

Sistema de recolección inteligente

El sistema de recolección inteligente es el último módulo de la piscifactoría para completar el ciclo de cría. Mediante este sistema, los objetos de cría llegarán al mercado a través del transporte con o sin agua. En la actualidad, la pesca de arrastre es la forma más eficiente de pescar.

Método de medición y control de la calidad del agua

La calidad del agua de la acuicultura afecta en gran medida la tasa de crecimiento, el estado de salud y la eficacia de la ingesta de alimentos de los peces.

Un solo parámetro de calidad del agua se ve fácilmente afectado por otros, lo que aumenta la dificultad de detección por un solo método, y también proporciona la posibilidad de la aplicación de soft measurement.

La idea básica de la tecnología de soft measurement es inferir o estimar parámetros importantes que son difíciles de observar, con la ayuda de algunas variables de fácil observación.

Si un sensor falla, conducirá directamente a la desviación o incluso al fracaso de la predicción de la medición suave.

Estrategia de alimentación inteligente

La retroalimentación de los resultados de la evaluación del efecto de la alimentación al sistema de control, ayudará a ajustar en tiempo real la cantidad que se suministra.

El modelo de experiencia artificial suele basarse en una gran cantidad de experiencia de observación en acuicultura, y se utiliza un método de análisis de ajuste de regresión para establecer una ecuación matemática relacionada con los requisitos de nutrientes para el crecimiento de los peces y la cantidad de alimento.

Análisis del comportamiento de las especies criadas

El aprendizaje profundo (deep learning) es el método de aprendizaje automático más avanzado en la actualidad. Proviene de la investigación de la arquitectura de redes neuronales artificiales que tienen un gran número de capas ocultas y millones de parámetros.

La piscifactoría inteligente trata de combinar la visión artificial, la detección por sonar y la tecnología de aprendizaje profundo para realizar el análisis del comportamiento de los animales cultivados en tiempo real.

Estadísticas de biomasa

La longitud, el ancho, el área y la circunferencia de los peces en diferentes periodos de crecimiento están estrechamente relacionados con su peso.

Estos parámetros se utilizarán como base importante para la estimación de su biomasa.

“El escaneo láser es otra tecnología de monitoreo no invasiva que puede emplearse para estimar la biomasa de peces en tiempo real.” 

Sin embargo, el sonar de identificación es más eficiente, se vale de un tipo de sistema multihaz con lentes acústicos para transmitir haces independientes.

Diagnóstico de las enfermedades de los peces

Las investigaciones actuales sobre imágenes de peces se limitan a obtener excelentes resultados de reconocimiento y detección en determinadas condiciones.

Permiten mejorar la precisión y la sensibilidad del sistema de diagnóstico automático de enfermedades de los peces en la piscifactoría inteligente, siendo una forma eficaz de añadir el análisis de la calidad del agua, el análisis del comportamiento de los peces y el análisis de los datos meteorológicos como entradas de corrección del método de aprendizaje profundo.

Diagnóstico de averías de los equipos

El proceso de diagnóstico inteligente de fallos se divide en dos pasos. En primer lugar, se extraen los parámetros de las características que pueden representar los síntomas de la avería basándose en el deep learning, y se selecciona un cierto número de conjuntos de muestras para entrenar la red neuronal y obtener la red de diagnóstico y el clasificador esperados.

En segundo lugar, con la red neuronal y el clasificador entrenados, se diagnostican los datos en línea del sistema.

Desafíos

Los robots de acuicultura se enfrentan a grandes desafíos en materia de optimización del algoritmo de identificación de objetivos y posicionamiento, el algoritmo de navegación y planificación de rutas y el de clasificación y monitoreo de objetos de operación.

En comparación con el machine learning tradicional, deep learning puede extraer mejor las características de las imágenes agrícolas y los datos estructurados, y combinar eficazmente con la maquinaria agrícola para apoyar mejor el desarrollo de equipos inteligentes de acuicultura.

Se ha comprobado que todavía existen algunas deficiencias en la aplicación del deep learning en la acuicultura, ya que este necesita grandes conjuntos de datos para el entrenamiento, verificación
y prueba del modelo.

Además, la mayoría de los problemas de acuicultura basados en el deep learning son de aprendizaje supervisado, y los datos de muestra correspondientes necesitan ser etiquetados.

Conclusiones

Las tecnologías modernas emergentes, como la IA, el big data, el IoT, los sensores, la visión artificial y los robots, se incorporarán de manera gradual en todo el proceso de producción acuícola para eliminar por completo la mano de obra tradicional, y finalmente realizarán el monitoreo en tiempo real de múltiples escenas del entorno de producción, el análisis de big data basado en la plataforma en la nube y la toma de decisiones inteligentes en tiempo real.

“La construcción de una piscifactoría inteligente es mucho más compleja que otros proyectos.” 

La fiabilidad y la vida útil de los sensores, la robustez y la precisión de los modelos de análisis y de toma de decisiones, la fiabilidad de la transmisión de datos basada en la tecnología IoT y la eficiencia de la cooperación entre los diversos equipos inteligentes de acuicultura aun están por resolverse.

Esta es una versión resumida desarrollada por el equipo editorial de Panorama Acuícola Magazine del artículo “INTELLIGENT FISH FARM—THE FUTURE OF AQUACULTURE” escrito por CONG WANG, ZHEN LI, TAN WANG, XIANBAO XU, XIAOSHUAN ZHANG, AND DAOLIANG LI.
La versión original fue publicada en SEPTIEMBRE de 2021 a través AQUACULTURE INTERNATIONAL.
Se puede acceder a la versión completa a través de https://doi.org/10.1007/s10499-021-00773-8.

LAQUA
EVENTO GLOBAL LEADERS

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *