En los sistemas de recirculación para la acuicultura, el método de alimentación artificial tiene muchos problemas, como el inapropiado ritmo de alimentación y el desperdicio de los alimentos, lo que afecta seriamente el crecimiento de los peces.
Una de las principales variables, en los sistemas de recirculación acuícolas es el costo de los alimentos, los cuales generalmente representan más del 50% del total. En este sentido, se necesita realizar una buena gestión de la alimentación.
El método de alimentación tradicional se basa en la experiencia y hábitos del personal a cargo del cultivo, y luego la cantidad del alimento es ajustada de acuerdo al rendimiento durante la alimentación.
Por otro lado, las máquinas de alimentación dependen de la experiencia para regular la cantidad y los períodos de alimentación.
Los científicos de la Chongqing Technology and Business University (China) diseñaron un algoritmo para la alimentación inteligente para la acuicultura en sistema de recirculación, basado en el aprendizaje profundo.
Los conjuntos de datos de video de la alimentación en los tanques de cultivo se procesan mediante el método de visión por computadora, y se obtiene la cantidad de alimento residual y la frecuencia de alimentación de los peces en el tanque.
Posteriormente, a través de un algoritmo heurístico, se determina la cantidad de alimentación posterior en los tanques de cultivo.
Alimentación inteligente
En la actualidad, un gran número de investigadores viene realizando investigaciones sobre estrategias de alimentación inteligentes y los modelos de alimentación de los peces en acuicultura.
Además, del método de experiencia manual, existen tres rutas técnicas generales basadas en la energía biológica, acústica de máquinas y visión artificial.
Los métodos artificiales de alimentación se basan en un gran número de experiencias de observación de granjas acuícolas, la ecuación matemática que vincula la demanda nutricional del crecimiento del pez y la cantidad de alimento que se debe proporcionar.
Ventajas e innovaciones del método propuesto
- En el modelo de reconocimiento de la frecuencia de alimentación de los peces, el método de extracción de fotogramas clave se usa para convertir los conjuntos de datos de video en conjuntos de datos de imágenes, y el modelo VGG16 mejorado se usa para el entrenamiento y predicción, lo que reduce los parámetros del modelo en un 90%, lo que no solo reduce la redundancia del modelo, sino también mejora la velocidad de detección sin afectar la precisión.
- En el modelo de detección de alimento residual, el algoritmo Real-SR se usa para procesar la super-resolución de la imagen para mejorar la calidad de la imagen, y YOLO V5s se usa para entrenar y predecir el modelo, que tiene una alta precisión de reconocimiento.
- Combinar la frecuencia de alimentación de los peces con la cantidad de alimento residual para la toma de decisiones de alimentación posterior es más sólido que el método que solo depende del análisis del comportamiento de alimentación.
Conclusión
“Los resultados del experimento muestran que el algoritmo de alimentación inteligente permite ahorrar hasta el 15% en comparación con el método de alimentación manual, sin afectar el crecimiento de los peces”, concluyen.
En la actualidad, se viene impulsando la adopción de las tecnologías de la internet y comunicaciones en la acuicultura para dar paso a las piscigranjas inteligentes.
Contacto
Jinhui Yang
National Research Base of Intelligent Manufacturing Service,
Chongqing Technology and Business University,
Chongqing, 400067, China
Email: 2019658007@email.ctbu.edu.cn
Referencia (acceso abierto):
Yang, J., Wu, H., Yang, J., Zhou, Y., Shen, Y. (2022). Intelligent Feeding Algorithm for Recirculating Aquaculture System Based on Deep Learning. In: S. Shmaliy, Y., Abdelnaby Zekry, A. (eds) 6th International Technical Conference on Advances in Computing, Control and Industrial Engineering (CCIE 2021). CCIE 2021. Lecture Notes in Electrical Engineering, vol 920. Springer, Singapore. https://doi.org/10.1007/978-981-19-3927-3_39
