水产资源管理智能化,AI为日本渔业的未来探路

随着世界人口的增加和饮食的多样化,鱼类的生产和消费逐年增加。现今世界渔业资源已经接近枯竭,不可能增加自然资源的捕捞量。在这种情况下,如何利用AI来进行水产养殖正引起人们的注意,日本作为渔业大国,已经有企业开始尝试用AI分析人类无法理解的海洋状况,如今了解环境变化和鱼类状况是稳定水产养殖业管理的关键。

作者 / 熊利郎、于琳洋 出品 / 公众号“机器之心”(ID:almosthuman2017)

一、日本渔业市场的发展与现状

一家私营研究公司矢野经济研究所,总结了一项关于日本未来水产养殖业务情况。其调查结果显示,2021年的水产养殖业务市场将达到203.2亿日元,比2016年的132.75亿日元增长53%。在2021年度,预计智能渔业将扩大至12.6亿日元。在日本,第一产业的老龄化和缺乏继承者已成为一个社会问题。在渔业方面更是如此,资源保护角度,渔业的捕获量也存在限制,鱼群生长节奏与捕获频率严重不对等而导致资源利用率下降。人工智能技术的出现,准确的掌握和解决了了这一行业的痛点,利用计算机视觉,物联网技术和机器人开发,缓解了渔业市场的压力,使渔业市场迈进稳定的可持续发展阶段。

二、日本渔业中的智能技术

计算机视觉:是指机器代替人眼对养殖的鱼类进行识别、监控和测量,并进一步利用图像识别技术,对鱼苗进行精细化管理。确保鱼苗养殖速度的最大化和养殖成本的最小化。机器学习:是指现存的出海捕捞规律,对未知的海域捕捞进行预测。目前,主要依据的数据有水温,捕捞成功的种类,捕获量,,潮汐,天气数据,日期等在内的诸多因素。将有丰富经验渔民的知识数据化后,提供给新渔民。物联网技术:通过温度,流速等传感器,实现智能化识别、定位、跟踪、监管等功能。用于提供支持AI系统分析的基础数据。对于海底等不易获取数据的地点,传感器可以做到24小时监测。大数据技术:供应商协助客户对养殖的现场布置大量的监控传感器。通过对数据采集,控制与分析,让AI进行产量预测,饲料的成本分析和疾病灾害等进行预测。提供数字化的建议给养殖者,让其做更加明智的养殖判断。

机器人技术:机器人技术是综合了计算机,人工智能以及仿生学等多个学科形成的新型跨学科技术。在渔业领域,机器人技术作为人力劳动的替代,具有显著降低人力成本,提高生产效率的作用。

特征监测:作为计算机视觉和图像处理中的一个概念,特征检测对图像点进行划区分析,在渔业产业中,特征检测辅助计算机视觉使其对水生生物和鱼群信息的分辨度更高。

三、人工智能在日本渔业产业的应用分布

四、人工智能在日本渔业产业的落地案例

NEC:渔民需要根据鱼体重的不同,来投放不同量的饲料。现阶段,如果在一个养殖区内养了5万尾鱼苗,每次确认鱼苗的体重时,需要随机打捞至少200尾鱼,这个工作量对于渔民来说相当大。5万尾中的200尾,只占了全体的0.4%,依靠此数据来推测鱼苗的体重,也经常会发生相当大的偏差。水下拍摄系统用立体相机拍摄图像,然后逐帧分析图像。通过分析鱼的指定点(例如鼻尖和脊柱)则可以识别鱼的大小。这次在与NEC的合作下,新日铁公司正在测试和引入一项技术,用人工智能技术使这项耗时的工作自动化。

新日铁住金:水温,盐分浓度,气象条件,潮汐,风向,风速,二氧化碳量,月龄等在内的诸多环境因素,都会影响鱼的食欲。为了高效的养殖,需要AI来分析这些因素,从而判断那一天鱼的状态,并给出正确喂食量。新日鉄住金提供的AI系统可有效的减少60%~70%的投食量,大幅度降低养殖鱼类的饲料成本。

佐世保航海側器公司:佐世保航海側器公司的船获得了渔民的日志,并记录了那里所留存的每日捕捞量,海水温度,捕捞面积等。同时从其他数据源向AI输入过去的海洋天气数据。通过这种方式,可以让AI了解捕鱼和天气之间的关系。佐世保航海側器公司将一台名为“Triton’s Land”的应用程序移交给渔民。钓鱼的负责人输入“已经操作的地图”,“操作日记”,“假期”,“天气数据”,“潮汐”,“捕获的鱼类”,“捕获”等。最终佐世保航海側器公司基于信息和数据用AI分析捕获海域的信息,无法捕获的海域,提供出航信息,以及确保每次出海捕鱼的产量。

Sasebo公司:为了实现日本渔业资源的可持续发展,Sasebo公司为当地的渔业开发了一套人工智能系统,通过计算机视觉和特征分析,能合理测算捕捞海区的鱼类存量,以及鱼类现阶段的生长水平,纳入市场需求分析功能后,该系统能提示渔民调整作业区域和渔获量,避免过度捕捞,减少工时和燃油,提示捕捞效率。

丰田通商:丰田通商联合日本近畿大学水产研究所以及日本微软共同研发了基于物联网和人工智能的育苗自动化筛选系统,利用计算机视觉和机器学习技术,对于鱼苗取样进行优化,对不良鱼苗进行自动筛选,并对鱼苗的未来体重发展进行预测。

五、人工智能技术在渔业行业的局限性

养殖数据不完整:AI算法需要大量的数据源。如利用AI智能识别鱼苗尺寸,需要事先让AI学习一种鱼类的各种数据。而传统的养殖业没有这种数据集或者是数据集不全面,初期阶段需要做大量基础数据采集工作。

缺乏深入理解产业痛点的AI人才:针对渔业的智能化,需要AI技术人员深刻了解目前产业内的问题点。同时,针对问题点给出有价值的解决方案,否则难以获取渔民的信任。

成本高昂:无论是AI技术人才,还是收集数据,布置大量的传感器,前期的资本成本投入是必不可少的。在没有可预期效果的情况下,想说服农民投资智能养殖业的难度偏大。

六、人工智能技术在渔业行业的发展趋势

AI产业化程度提高:集约化、工业化、智能化是未来水产养殖发展必由之路。通过人工智能优化产业结构,加大对于基础研发和科学捕捞的投入,将真正实现稳定而可持续的渔业产出。

去人工化的普及:机器代替人工劳力、电脑和手机代替人脑进行管理。利用机器人技术的发展结合机器学习模型的改进,正式投产的机器人将成为现今人力的最好替代,解放劳动力的同时能够实现更高产更高效的生产模式。

物联网程度的提高:通过物联网使机器智能化,多样化的传感器可以提供详细的分析数据。根据物联网收集到的数据构建大数据平台使水产养殖走向精准,精细化喂养节省养殖成本。

本文已注明来源和出处,版权归作者所有,如有侵权,您可以告知我们(点击此处)

参与评论

请输入你的评论!
请在这里输入你的名字