La acuaponía es un enfoque innovador tiene el potencial de mejorar significativamente la producción de cultivos y al mismo tiempo promover la sostenibilidad. Sin embargo, para que los sistemas de acuaponía sean verdaderamente «inteligentes» y eficientes, es esencial el seguimiento de los peces en tiempo real.
En este sentido, los científicos de la University of Macau, de la Beijing Jiaotong University, de
Lingyange Semiconductor Inc., del Zhuhai UM Science and Technology Research Institute y de la University of Leeds han diseñado una nueva computadora neuromórfica llamada SpikoPoniC, que utiliza redes neuronales de picos (SNN), para estimar tanto la longitud como el peso de los peces en tiempo real, abordando los desafíos de los sistemas lentos y costosos que tienen una escalabilidad limitada.
La necesidad de una acuaponía inteligente
Los sistemas de acuaponía inteligentes son cada vez más cruciales en la acuicultura moderna. La capacidad de monitorear y gestionar el crecimiento y el bienestar de los peces en tiempo real garantiza que el sistema funcione de manera óptima, lo que resulta en mayores rendimientos de los cultivos y sostenibilidad general.
Sin embargo, la mayoría de los sistemas de acuaponía inteligentes existentes adolecen de limitaciones significativas en términos de velocidad y costo, lo que dificulta la implementación a gran escala.
“Los sistemas acuapónicos inteligentes (SAS) primero reciben información de sensores que recopilan datos sobre el medio ambiente y luego usan esa información para tomar decisiones críticas, como controlar el nivel de oxígeno y nutrientes en el ecosistema”, reportan los investigadores.
Presentamos SpikoPoniC: un punto de inflexión
Para abordar estas limitaciones, los investigadores han desarrollado una solución innovadora: SpikoPoniC. Esta innovadora computadora neuromórfica emplea redes neuronales de púas (SNN) para estimar el tamaño de los peces, tanto en términos de longitud como de peso, en tiempo real. Lo que diferencia a SpikoPoniC de los sistemas tradicionales es su notable velocidad y rentabilidad.
El estudio presenta un novedoso motor neuromórfico basado en SNN, eficiente en hardware, para la estimación del tamaño de los peces, que encuentra aplicación en el monitoreo acuapónico. El sistema ha sido modelado en lenguaje Verilog a nivel de transferencia de registros (RTL).
Nuevo plan de entrenamiento híbrido
El corazón de SpikoPoniC reside en su exclusivo esquema de entrenamiento híbrido. Para entrenar el SNN de manera efectiva, el sistema emplea una combinación de retropropagación directa de SNN y retropropagación estándar. Al hacerlo, logra un equilibrio entre alta eficiencia y precisión del hardware. Esta mezcla garantiza que SpikoPoniC pueda proporcionar un seguimiento preciso de los peces en tiempo real sin comprometer el rendimiento.
Clasificación ultrarrápida
“La estimación de la longitud y el peso de los peces es importante para gestionar adecuadamente los sistemas acuapónicos y modelar las tendencias de las poblaciones. La dinámica de la distribución de la longitud de los peces representa un insumo clave para comprender la dinámica de las poblaciones de peces y tomar decisiones de gestión informadas sobre las poblaciones explotadas”, describen los investigadores.
Las capacidades de SpikoPoniC son realmente impresionantes. Puede clasificar más de 84 millones de muestras de peces en sólo un segundo, logrando una notable aceleración de al menos 3369 veces en comparación con las computadoras tradicionales de uso general. Este nivel de velocidad no sólo permite el monitoreo en tiempo real sino que también allana el camino para la implementación a gran escala en sistemas de acuaponía.
Rentabilidad y accesibilidad
A diferencia de muchos sistemas de hardware basados en SNN, SpikoPoniC es una solución rentable. Consume menos de 1100 registros de corte en Virtex 6, lo que lo convierte en una opción altamente eficiente para entusiastas de la acuaponía, investigadores e instalaciones comerciales de acuaponía. Esta accesibilidad la convierte en un punto de inflexión para la acuaponía, ya que democratiza los beneficios del monitoreo inteligente en tiempo real.
Conclusión
La acuaponía representa un futuro prometedor para la agricultura, combinando la piscicultura y el cultivo de plantas en una relación mutuamente beneficiosa. Sin embargo, para que la acuaponía sea realmente eficiente y escalable, la necesidad de monitorear los peces en tiempo real es fundamental.
“Este artículo presenta una metodología de entrenamiento novedosa para entrenar e implementar una red neuronal de picos en un sistema neuromórfico para acuaponía inteligente. El artículo también presenta un novedoso gradiente sustituto para el entrenamiento de SNN que promete flexibilidad y eficiencia del hardware”, concluyen.
SpikoPoniC, una computadora neuromórfica impulsada por redes neuronales, surge como una solución innovadora. Su esquema de entrenamiento híbrido, sus capacidades de clasificación ultrarrápidas, su rentabilidad y su accesibilidad lo convierten en el primero de su tipo en monitoreo acuapónico inteligente en tiempo real.
El estudio ha sido financiado por Zuhai UM Science and Technology Research Institute; Lingyange Semiconductor Incorporated y Blue Ocean Smart System (Nanjing) Limited.
Referencia (acceso abierto)
Siddique, A.; Sun, J.; Hou, K.J.; Vai, M.I.; Pun, S.H.; Iqbal, M.A. SpikoPoniC: A Low-Cost Spiking Neuromorphic Computer for Smart Aquaponics. Agriculture 2023, 13, 2057. https://doi.org/10.3390/agriculture13112057
