Las prácticas de alimentación son la piedra angular del éxito de la acuicultura y, dado que las necesidades de los peces cambian constantemente, es necesario contar con sistemas de alimentación más inteligentes.
Los científicos del Hellenic Center for Marine Research publicaron un estudio donde abordaron la brecha crítica en los sistemas de control de alimentación en jaulas marinas. Además introducen un sistema de seguimiento continuo en tiempo real para analizar el comportamiento alimentario de la lubina europea, empleando modelos avanzados de IA (YOLO y DEEPSORT) y técnicas de visión por ordenador.
Este estudio innovador aborda un desafío clave en la acuicultura en jaulas marinas: la falta de control de alimentación en tiempo real. Introduce un sistema revolucionario que utiliza inteligencia artificial (IA) avanzada para monitorear y analizar continuamente el comportamiento alimentario de la lubina europea.
El desafío: métodos de alimentación tradicionales
Es posible que los métodos de alimentación tradicionales no tengan en cuenta factores como el tamaño del pez, la salud o las condiciones ambientales, lo que provoca una sobrealimentación o una subalimentación.
La sobrealimentación desperdicia recursos y contamina el agua, mientras que la subalimentación obstaculiza el crecimiento de los peces y la rentabilidad general de las granjas.
Asimismo, los métodos actuales carecen de datos en tiempo real sobre las necesidades de alimentación de los peces individuales.
La solución: un sistema de alimentación más inteligente con cámaras de IA
El estudio presenta un sistema revolucionario que utiliza:
- Cámaras subacuáticas de visión única para rastrear el movimiento de los peces.
- Modelos avanzados de IA para detectar y rastrear peces individuales e identificar la actividad alimentaria.
- Se centra en dos parámetros clave:
- Velocidad del pez: ¿Qué tan activos son los peces?
- Índice de comportamiento alimentario (FBI): Una nueva métrica para cuantificar la actividad alimentaria.
Prueba del sistema con diferentes escenarios de alimentación:
- Los investigadores exploraron cómo el comportamiento de los peces (velocidad y FBI) cambió con variaciones en:
- Frecuencia de alimentación: ¿Con qué frecuencia fueron alimentados?
- Cantidad de alimentación: ¿Cuánta comida recibieron?
- Duración de la alimentación: ¿Cuánto duró la alimentación?
¿IA para peces? Así es como funciona
El sistema aprovecha el poder de modelos de inteligencia artificial de vanguardia (YOLO y DEEPSORT) y técnicas de visión por computadora para proporcionar información en tiempo real sobre el comportamiento de los peces. Se centra en parámetros cruciales como la velocidad de natación y un Índice de comportamiento alimentario (FBI) recientemente definido.
Entendiendo a los peces a través de los ojos de la IA
Los investigadores monitorearon parámetros clave como la velocidad de los peces y un índice de comportamiento alimentario (FBI). Esto ayudó a identificar distintos patrones de comportamiento basados en la frecuencia de las comidas, el tiempo de alimentación y la cantidad.
Por ejemplo, los peces mostraron una mayor actividad durante las mañanas y mostraron patrones de movimiento asimétricos cuando estaban desnutridos o sobrealimentados.
Descubriendo los secretos del comportamiento de los peces
El estudio revela una conexión fascinante entre el comportamiento de los peces y los escenarios de alimentación. A continuación se presentan algunos hallazgos clave:
- La velocidad y el FBI son sensibles a diferentes escenarios de alimentación.
- Los peces muestran patrones de comportamiento distintos según la frecuencia, el tiempo y la cantidad de alimentación.
- La lubina europea exhibe mayor actividad por la mañana en comparación con las horas de alimentación posteriores.
- La alimentación insuficiente o excesiva conduce a patrones de actividad asimétricos.
Esta investigación es una de las primeras en desarrollar un sistema de control de alimentación en tiempo real para jaulas marinas; y establece curvas de referencia y umbrales para optimizar las estrategias de alimentación en función del comportamiento de los peces.
Los beneficios de la alimentación impulsada por IA
- Reducción de desperdicios: la alimentación precisa basada en las necesidades de los peces minimiza el desperdicio de alimentos y el impacto ambiental.
- Mejora de la salud de los peces: las rutinas de alimentación personalizadas garantizan un crecimiento óptimo y el bienestar general de los peces.
- Mayor rentabilidad: prácticas de alimentación más inteligentes conducen a una mejor utilización de los recursos y mayores rendimientos agrícolas.
Conclusión
Esta innovadora tecnología representa un importante avance en la acuicultura. Al comprender el comportamiento de los peces, podemos garantizar poblaciones de peces saludables y una industria pesquera próspera para el futuro.
Al integrar la IA y el análisis del comportamiento de los peces, esta investigación allana el camino hacia un futuro más sostenible y eficiente para la acuicultura. Con estos avances, las piscifactorías pueden optimizar las prácticas de alimentación, garantizar poblaciones de peces saludables y contribuir a una próspera industria pesquera.
El estudio fue financiado por EU Horizon 2020.
Referencia (acceso abierto)
Georgopoulou, D. G., Vouidaskis, C., & Papandroulakis, N. (2024). Swimming behavior as a potential metric to detect satiation levels of European seabass in marine cages. Frontiers in Marine Science, 11, 1350385. https://doi.org/10.3389/fmars.2024.1350385
