Продукты рыболовства и аквакультуры являются важными источниками белка, обеспечивая продовольствием и доходом сотни миллионов людей во всем мире. За последние 50 лет мировое производство рыбы в аквакультуре резко выросло, а общий объем производства рыбы в аквакультуре достиг рекордного уровня в 82 миллиона тонн в 2018 году. При развитии аквакультуры традиционные модели производства сыграли важную роль в быстром росте производства. Однако по мере роста уровня потребления и осведомленности о защите окружающей среды, постепенно проявились различные недостатки традиционных моделей. Большинство таких моделей ведения сельского хозяйства требуют низких капиталовложений и предъявляют низкие требования к квалификации рабочей силы, но стали непривлекательными для молодежи из-за низкой окупаемости. Более того, традиционные модели могут оказывать давление на ограниченные земельные и другие ресурсы и более уязвимы к стихийным бедствиям, таким как тайфуны и засухи.
Постепенно проявились преимущества промышленных рециркуляционных систем аквакультуры (RAS). Хотя эти системы не лишены недостатков, есть надежда, что RAS сможет избежать некоторых проблем, возникающих в традиционных моделях.
С развитием новых технологий, аквакультура постепенно превратилась из традиционного трудоемкого земледелия в механизированную аквакультуру и в автоматизированные системы. Трудоемкая модель, в основном, опирается на человеческий опыт и требует высоких затрат на рабочую силу. Благодаря RAS значительно сократилась потребность в рабочей силе, и производство значительно увеличивается. Однако автоматизированный режим производства требует более квалифицированных работников, что влияет на экономическую эффективность, а такие ресурсы, как вода и корма, по‐прежнему критичны. В условиях снижения доступности рабочей силы и растущего спроса на продукцию, существует острая необходимость в новой модели интеллектуальной аквакультуры. Появление Интернета вещей (IoT), больших данных, искусственного интеллекта, сетей 5G, облачных вычислений и роботизированных технологий делает возможной интеллектуальную аквакультуру.
Интеллектуальная аквакультура - это интеллектуальный способ производства. Он использует IoT, большие данные, искусственный интеллект, 5G, облачные вычисления, робототехнику, с помощью дистанционного управления или независимого от робота управления объектами аквакультуры, оборудованием и машинами для завершения всех производственных и управленческих операций; это интеграция современных информационных технологий и всей производственной цепочки производства, эксплуатации, управления и обслуживания; это новая бизнес-форма современного развития аквакультуры.
Интернет вещей является основой интеллектуальной аквакультуры, в то время как сбор и анализ больших данных будут способствовать использованию технологий искусственного интеллекта. Кроме того, большие данные и искусственный интеллект являются основой интеллектуального Интернета вещей, что необходимо для достижения точности управления. Интеллектуальное оборудование, управляемое IoT, является основой интеллектуальной аквакультуры, которая может решить проблемы нехватки рабочей силы и смягчить экологические и ресурсные проблемы.
Интеллектуальная аквакультура включает в себя следующие аспекты:
- Сбор информации с помощью различных датчиков температуры и влажности, датчиков CO2, датчиков освещенности, датчиков растворенного кислорода, различных других датчиков параметров качества воды, камер и другого оборудования для сбора цифровых изображений.
- Передача собранных данных в центр управления через узлы связи. Эта информация может включать в себя данные о росте рыбы, параметрах окружающей среды, эксплуатации и распределении ресурсов.
- Обработка данных и принятие решений осуществляются на облачной платформе.
- Обратная связь решений для каждого элемента оборудования, интеллектуальное и автоматизированное выполнение операций для реализации устойчивой “высокоэффективной, высококачественной, экологической, здоровой и разумной” аквакультуры.
ВАЖНЫЕ АСПЕКТЫ ИНТЕЛЛЕКТУАЛЬНОЙ АКВАКУЛЬТУРЫ
Интеллектуальные сенсоры
Датчики играют важную роль в развитии интеллектуальной аквакультуры. В настоящее время индустрия сенсоров быстро развивается. Прорывы в основных сенсорных технологиях, развитие современных информационных технологий, быстрое развитие облачных технологий, создание платформ больших данных и расширение применения и продвижения - все это означает, что применение датчиков будет более широким в выращивании товарной рыбы, хранении, транспортировке и переработке водных продуктов, эксплуатации и техническом обслуживании интеллектуального рыболовного оборудования. В то же время, растущие требования к сенсорным технологиям стимулируют разработку новых датчиков с высокой точностью, высокой производительностью, многофункциональностью, низкой стоимостью, миниатюризацией, пропускной способностью сети и более длительным сроком службы. Это открыло перспективы для интеграции датчиков с дальнейшим развитием новых технологий в современной физике, таких как нанотехнологии, лазер, инфракрасное излучение, ультразвук, микроволновая печь, оптическое волокно, сильные магниты, радиоактивные изотопы и непрерывное развитие технологий интеграции. Другие важные тенденции в разработке датчиков включают интеграцию точных чувствительных элементов, обнаружение сигнала, схемы обработки преобразования и центральный процессор компьютера на отдельных кремниевых чипах, с тем чтобы разработать многофункциональные небольшие портативные датчики с более широким диапазоном применения, высокой надежностью и длительным сроком службы. Биосенсорика - еще одно будущее направление сенсорной технологии. Считается, что с разработкой и применением новых датчиков во всех аспектах интеллектуальной аквакультуры мониторинг на местах, удаленная отладка, удаленная диагностика неисправностей, удаленный сбор данных и работа в режиме реального времени могут быть реализованы с помощью Интернета вещей, что позволит производить интеллектуальную аквакультуру в беспилотном режиме.Технологии Интернета вещей
Беспилотное, интеллектуальное и высокоточное земледелие быстро развивается в сельском хозяйстве, но все еще существует много препятствий для его полного внедрения в аквакультуру. Из-за высокой степени риска трудно представить полное отсутствие человеческого управления в аквакультуре в обозримом будущем. Тем не менее, большое количество интеллектуального оборудования, включая микро‐ и наносенсоры, отвечающие за мониторинг информации о рыбохозяйственной среде, бионических роботов для оперативного производства и автоматического контроля, интеллектуальную сортировку и энергосберегающее оборудование для переработки водных продуктов, позволило бы значительно автоматизировать различные этапы аквакультуры и сэкономить труд. Каждый элемент оборудования будет взаимосвязан с помощью Интернета вещей, “облако‐сеть‐пограничное устройство”. Сможет ли беспилотная рабочая площадка работать в оптимальных производственных условиях - напрямую зависит от безопасности, надежности и точности “совместной работы” оборудования в режиме реального времени.В будущем “сетевой” уровень IoT аквакультуры должен отвечать следующим требованиям к технологии передачи информации.
- Во-первых, бесшовное покрытие сети, то есть все сетевое оборудование на беспилотной ферме имеет доступ к сети, который не ограничен географическим местоположением или временем.
- Во-вторых, пиковая скорость передачи может достигать 100 Мбит/с ~ 1 Гбит/с (технология 5G), точность позиционирования достигает сантиметрового уровня, а задержка в сети снижается до микросекундного уровня.
- В-третьих, вероятность прерывания работы сети составляет менее одной миллионной при сверхвысокой надежности и высокой плотности до 100 единиц подключенного оборудования на кубический метр.
- В‐четвертых, поддержка мультисетевой интеграции, бизнес-интеграции и бесшовного соединения наземных, спутниковых и воздушных сетей.
- В-пятых, глубокая интеграция с новыми технологиями, такими как искусственный интеллект, повысит уровень интеллекта рыболовного оборудования в восприятии, позиционировании и распределении ресурсов.
- В-шестых, с точки зрения безопасности передачи данных по сети, будущая технология передачи информации в аквакультуре должна обладать способностью противостоять сетевым атакам и отслеживать источник атак.
Интеллектуальная модель обработки информации
Важной задачей в аквакультуре является мониторинг и прогнозирование индивидуальной информации о выращиваемой рыбе. Эта задача может быть решена с помощью интеллектуальных моделей обработки информации. Судя по последним разработкам, идентификация рыбы (вид, размер, пол), оценка массы (подсчет, измерение размера, оценка качества) и мониторинг поведения были рассмотрены довольно хорошо, и существуют удовлетворительные общеприменимые решения. Однако использование информационных технологий в аквакультуре является сложным, поскольку проверяемые объекты чувствительны, подвержены стрессу и могут свободно перемещаться, а также действовать приходится в условиях, в которых освещение, видимость и стабильность в большинстве случаев не поддаются контролю. Оборудование должно работать под водой или во влажной среде и быть недорогим. Это усложняет создание моделей и решение исходной задачи по сравнению с другими животноводческими хозяйствами, поэтому коммерческие приложения еще не получили широкого распространения, и в настоящее время желаемые результаты не достигнуты.Интеллектуальные модели обработки информации достигли определенного прогресса, но еще не превратились в полезные инструменты для аквакультуры. Существуют некоторые проблемы, связанные с интеллектуальными моделями, которые не могут объяснить биологические механизмы, ответственные за наблюдаемые закономерности, а экстраполированные результаты для данных за пределами диапазона модели имеют большие ошибки. Тем не менее, существует множество потенциальных применений технологий в аквакультуре, которые могут улучшить качество продукции или эффективность производства. Хотя в некоторых странах проведено довольно много исследований по применению интеллектуальных моделей в аквакультуре, условия экспериментов были относительно простыми, помехи были небольшими, и большинство из исследований все еще находились на экспериментальной стадии. Есть еще много деталей для дальнейшего изучения, таких как нелинейные модели калибровки, комбинирующие интеллектуальный анализ данных и информационные технологии, машины опорных векторов и обучение на основе памяти, искусственные нейронные сети и глубокое обучение для улучшения вышеупомянутых технологий для коммерциализации и внедрения промышленными секторами.
Оцифровка оборудования, точное управление и передовые вычисления
Интеллектуальная аквакультура нуждается в точном управлении оборудованием для обеспечения автоматической работы систем. Возьмем в качестве примера аэрационное оборудование. В традиционной модели фермер должен вручную включать или выключать переключатель, чтобы контролировать содержание кислорода в воде. В современную эпоху датчиков фермеры могут удаленно использовать компьютерные терминалы или мобильные телефоны для отправки команд для управления оборудованием, так что приводы, такие как насос и аэратор, будут включаться и выключаться автоматически. В последних разработках интеллектуальная система аквакультуры может напрямую отправлять данные об измерении кислорода в систему через датчик, и система может определять растворенный кислород в воде в режиме реального времени. На основе собранных данных и порогового значения параметров централизованный контроллер может автоматически включать или выключать водяной насос, электронный клапан или оборудование для очистки воды.Очевидно, что стабильные и надежные датчики и профессиональная экспертная база данных являются ключом к поддержанию хорошей производительности оборудования. Сложная среда аквакультуры может повлиять на привод, что означает, что машина может иметь короткий срок службы. Если вовремя не устранить неисправность оборудования, это приведет к прерыванию процесса автоматизации с серьезными последствиями. Хотя некоторые эксперты провели много исследований по методам устранения неполадок в оборудовании, используемом в аквакультуре, задействовано лишь небольшое количество машин, и большинство из исследований все еще находятся на стадии эксперимента. Поэтому необходимо провести дальнейшие исследования для усиления мониторинга оборудования с целью повышения точности и целостности интеллектуальной системы аквакультуры.
Большие данные и облачная платформа
Точный мониторинг, обнаружение и оптимальное управление аквакультурой чрезвычайно сложны из-за ее особого объекта, сложной окружающей среды и множества влияющих факторов. Фундаментальный способ решения этих проблем - объединить технологию больших данных с облачной платформой, обрабатывать и анализировать большое количество данных, полученных в результате работы предприятия аквакультуры, и представлять полезные результаты производителям и лицам, принимающим решения, в интуитивно понятной форме. Благодаря сбору, классификации, обработке, управлению, извлечению и анализу данных об аквакультуре, ценная информация может быть извлечена и предоставлена производителям и лицам, принимающим решения, для получения точных, интеллектуальных и оптимальных ответов.Большие данные и облачные платформы, в основном, используются для сбора, хранения, интеллектуального анализа данных и их применения в аквакультуре. Такая платформа собирает данные, генерируемые в процессе производства, обработки и продажи, таких как Интернет-данные, данные датчиков Интернета вещей, системы промышленного управления, профессиональных баз данных и данных традиционного формата. Технологии хранения и обработки данных, в основном, используются для решения проблем хранения и обработки данных об аквакультуре. Из‐за неоднородности больших данных из разных источников необходимо интегрировать данные, прежде чем их можно будет сохранить в целевой базе данных или дополнительно обработать и проанализировать. Необходимы требования к обработке всего разнообразия больших данных аквакультуры, хранения данных и обработки целенаправленными методами. Традиционное моделирование на основе анализа данных требует много предварительных знаний и инструментов, законы природы извлекаются из данных благодаря когнитивным способностям человека, а затем создаются модели механизмов. Сложная производственная среда аквакультуры приводит к разнообразию, неоднородности и неопределенности данных. Процесс обнаружения скрытых знаний и правил с помощью человеческих наблюдений занимает много времени, и модель, созданная заранее, может плохо соответствовать реальной ситуации. С другой стороны, в рамках процессов моделирования, основанных на данных, технологии анализа и интеллектуального анализа данных, могут автоматически обнаруживать скрытые в данных закономерности, создавать анализ и модели данных по аквакультуре, интегрировать их на облачной платформе больших данных аквакультуры и предоставлять пользователям результаты анализа и данные для принятия решений.
В последние годы комбинация технологии анализа больших данных и технологий облачных платформ использовались в аквакультуре до, во время и после производства. Эти технологии использовались для предоставления решений по прогнозированию среды аквакультуры, диагностике и раннему предупреждению заболеваний, обнаружению и анализу аномального поведения, анализу рынка, а также контролю качества и прослеживаемости. Однако остаются следующие проблемы:
- Отсутствие или минимальный обмен большими данными по аквакультуре. Развитие технологий сбора данных в промышленных масштабах ограничивает доступность больших данных в аквакультуре. Биоразнообразие водных животных и сложность среды их произрастания создают проблему для сбора данных. В настоящее время в лабораторных условиях проводится множество исследований. Получение видеоизображений в естественных (часто мутных) условиях окружающей среды для выявления процессов заболевания рыбы и аномального поведения рыбы, является узким местом больших данных в аквакультуре.
- Отсутствие интеллектуальных моделей анализа и технологий для аквакультуры. Развитие технологий Интернета вещей значительно обогатило источники данных, была сформирована основа больших данных в аквакультуре. Тем не менее, интеллектуальный уровень исследований больших данных в аквакультуре все еще нуждается в дальнейшем улучшении.
- Отсутствие корреляционного анализа данных по аквакультуре во всей отраслевой цепочке. С одной стороны, отсутствие пространственно-временной актуальности самих данных в сочетании с различиями в масштабе и качестве данных, вызванными разной глубиной применения технологий больших данных, делает невозможным включение цепочки данных, а также ее использование в корреляционном анализе различных проблем. С другой стороны, данные об аквакультуре до, во время и после производства отделены друг от друга, что делает невозможным проникновение в производственную цепочку, а также затрудняет изучение подразумеваемых связей, таких как отслеживание качества водных продуктов, которые не могут быть интегрированы для всей производственной цепочки.
Системная интеграция
Технология системной интеграции является ключевой технологией построения интеллектуальной аквакультуры. Она включает в себя подключение всех видов оборудования и подсистем для формирования целостной, интеллектуальной аквакультуры. Интеллектуальная система аквакультуры предназначена для формирования полного, комплексного решения для удовлетворения потребностей фермеров, делая общую производительность системы оптимальной, технически совершенной, осуществимой для внедрения и гибкой в использовании. Интеграция систем интеллектуальной аквакультуры включает в себя интеграцию оборудования и прикладных систем.Системная интеграция оборудования относится к сочетанию различных типов и количества оборудования для аквакультуры, такого как оборудование для обогащения кислородом, датчики, оборудование для кормления и очистки воды, что требует схожих интерфейсов связи, режима передачи, рабочего напряжения и других параметров. Таким образом, интеграция систем оборудования требует установления единого стандарта для проектирования параметров водного оборудования, выбора оборудования в соответствии с этим стандартом и подключения всех видов оборудования к платформе Интернета вещей для мониторинга и управления. Кроме того, компоновка оборудования должна быть оптимизирована для максимальной эффективности.
Интеграция прикладной системы означает интеграцию каждой подсистемы и экспертной базы знаний в интеллектуальную аквакультурную среду, такую как система мониторинга качества воды, интеллектуальная система обработки данных и база знаний о вредителях рыбы. Интеграция каждой подсистемы, в основном, предназначена для решения обмена данными между системами. Облачные вычисления, периферийные вычисления и другие подходы могут обеспечить хорошие решения для интеграции прикладных систем.
Таким образом, интеграция интеллектуальных систем аквакультуры основана на потребностях пользователей, проектировании интеллектуального водного оборудования и технологий, а также использовании других вспомогательных технологий для решения различных проблем при построении системы. Более высокая стабильность системы, скорость обработки данных и интеллектуальность производства являются основными направлениями исследований интеллектуальной интеграции систем аквакультуры. В настоящее время технологии 5G и облачные вычисления имеют большое значение для интеллектуальных систем аквакультуры, но надежные интеллектуальные алгоритмы и оборудование для долговременной стабильной работы все еще недостаточно изучены в интеллектуальных системах аквакультуры.
ПЕРСПЕКТИВЫ НА БУДУЩЕЕ
Интеллектуальная аквакультура может повысить устойчивость и эффективность использования ресурсов в различных аспектах. Она также может снизить затраты на рабочую силу, повысить производительность и сохранить качество водных продуктов. Однако для улучшения интеллектуальной аквакультуры необходимо учитывать другие факторы, такие как высокие капитальные затраты и энергозатраты. Ниже приведен неполный список будущих перспектив и проблем:- Интеллектуальная аквакультура обладает потенциалом для сокращения сброса отходов, переработки отходов и улучшения использования ресурсов. То есть это может сократить использование корма и обеспечить лучший контроль за отходами и качеством воды благодаря анализу больших данных и мгновенным корректировкам. Для реализации экологически чистой и экологически устойчивой аквакультуры необходимо проделать большую работу, такую как экономия энергии за счет использования возобновляемых источников энергии и экономия воды за счет более совершенных систем (например, аквапоники).
- Интеллектуальная аквакультура может значительно повысить производительность, качество и уровень безопасности водных продуктов и может всесторонне снизить затраты на производство и эксплуатацию. Например, интеллектуальный мониторинг и управление в режиме реального времени могут отслеживать состояние окружающей среды и рыбы. Это может поддерживать рыб в наилучших условиях роста и улучшать качество рыбы. Тем не менее, существуют компромиссы в снижении затрат на рабочую силу, такие как увеличение капитальных и энергетических затрат; таким образом, потребуются дополнительные исследования и экономический анализ, чтобы определить пути обеспечения экономической жизнеспособности интеллектуальной аквакультуры. Кроме того, из-за высокой степени риска в аквакультуре отказ датчика или других компонентов может привести к катастрофической ошибке и потере урожая, поэтому для создания полностью беспилотной операционной системы необходимо разработать более надежные модели.
- Интеллектуальное управление информацией о климате и окружающей среде в аквакультуре может помочь увеличить объемы аквакультуры и сократить потери. Это способствует решению проблемы спроса на морепродукты, чтобы защитить дикие ресурсы.
- Применение интеллектуального оборудования и робототехники может высвободить рабочую силу и повысить эффективность производства. Кроме того, интеллектуальная аквакультура может способствовать экономическому развитию, способствуя развитию интеллектуальной промышленности и трансформации рабочей силы, требующей технических талантов.
Основной технологией интеллектуальной аквакультуры является технологическая платформа искусственного интеллекта, которая объединяет цифровизацию, индустриализацию, механизацию, большие данные и так далее. Многие решения “интеллектуальной аквакультуры” до сих пор основаны на опыте, а не на реальных данных. Поэтому необходимо устойчивое развитие модели интеллектуальной аквакультуры для интеграции традиционной аквакультуры с интеллектуальными технологиями, технологиями разведения и информационными технологиями для реализации автоматического производства аквакультуры и управления информацией.
Кроме того, политика и организация также являются важными факторами, влияющими на устойчивое развитие модели интеллектуальной аквакультуры. Политика и организация будут сдерживающими факторами для инновационных исследований и разработок в области интеллектуальной аквакультуры, если реформа системы научных исследований и инновационного механизма будет отставать от потребностей рынка, созданного для этой модели аквакультуры.
По материалам World aquaculture society
Подписывайтесь на телеграм-канал ITfish, чтобы быть в курсе новостей о передовых технологиях в аквакультуре!