Un primo strumento prototipo australiano per scegliere il più adatto pescare sviluppato dai ricercatori della James Cook University intende offrire agli acquacoltori un vantaggio nell’allevamento del pescato perfetto.
Il dottorando JCU Alzayat Saleh e il professore associato Mostafa Rahimi Azghadi con il loro prototipo di rete Mobile Fish Landmark Detection. Credito immagine: JCU
IL Rete mobile di rilevamento dei punti di riferimento per i pesci (rete MFLD) utilizza un nastro trasportatore, una telecamera industriale e un algoritmo di intelligenza artificiale per rilevare le caratteristiche ideali del barramundi per migliorare le pratiche di allevamento selettivo.
Mostafa Rahimi Azghadi, professore associato a capo della ricerca, ha affermato che lo strumento brevettato ha acquisito immagini digitali dai pesci che passano sotto la telecamera, prevedendo automaticamente importanti caratteristiche di interesse per gli agricoltori per la classificazione e l’allevamento selettivo.
Ciò include peso e lunghezza che altrimenti dovrebbero essere raccolti manualmente.
Pesca – foto illustrativa. Credito immagine: Lum3n.com tramite Pexels.com, dominio pubblico CC0
“L’idea è quella di raccogliere quanti più dati possibili su scala industriale sulle caratteristiche del pesce da un’immagine utilizzando la visione artificiale e l’apprendimento automatico”, ha affermato il professore associato Azghadi.
“I dati acquisiti possono aiutare gli acquacoltori nel processo decisionale, ad esempio quali animali dovrebbero essere assemblati per l’allevamento selettivo o classificare gli animali da vendere a un particolare mercato. Questo processo può ora essere automatizzato e ridimensionato, risparmiando molto tempo e denaro”.
Gli algoritmi, sviluppati dal dottorando Alzayat Saleh, individuano in primo luogo i punti dati chiave sul corpo di un esemplare prima di utilizzare le relazioni tra i punti di riferimento per prevedere il peso o altre caratteristiche dell’animale.
“Per addestrare gli algoritmi, è necessario iniziare posizionando manualmente i punti di riferimento sulle immagini di migliaia di pesci come punto di partenza”, ha affermato il prof. associato Azghadi.
“Nel nostro caso lo abbiamo fatto per oltre 2500 immagini di pesci”.
Barche da pesca – foto illustrativa. Credito immagine: sarangib tramite Pixabay, dominio pubblico CC0
In fase di sviluppo negli ultimi due anni, lo strumento potrebbe avere ulteriori applicazioni per diversi tipi di specie ittiche, come la cernia, con prove pianificate con i partner del settore dell’acquacoltura entro la fine di quest’anno.
Il professor Dean Jerry, direttore del JCU ARC Research Hub for Supercharger Tropical Aquaculture, ha affermato che l’IA ha “un grande potenziale” nel migliorare l’efficienza di molti aspetti della produzione dell’acquacoltura.
“Stiamo lavorando attivamente con le aziende di acquacoltura per raccogliere dati e convalidare gli strumenti di intelligenza artificiale”, ha affermato.
Da un’altra testata giornalistica. news de www.technology.org
