La capacidad de la Inteligencia Artificial está llamada a incorporarse a los procesos productivos de acuicultura para procesar la gran cantidad de datos que se están generando en los sistemas sensorizados de larvicultura y preengorde de peces a nivel comercial.
Estos sistemas con los algoritmos adecuados son capaces de aprender de manera continua, adaptarse a entornos dinámicos y realizar predicciones precisas, proporcionando ventajas significativas en el control y monitorización de parámetros oceanográficos y atmosféricos.
Entre las aplicaciones que estas innovaciones pueden proporcionarnos es que permiten monitorizar el oxígeno disuelto en las granjas. Un indicador esencial de la calidad del agua en estanques de cultivo intensivo.
Tanto los métodos tradicionales de aprendizaje automático, como los métodos de aprendizaje profundo, pueden adaptarse con éxito para abordar problemas comunes en la predicción de la concentración de oxígeno disuelto, como la capacidad de generalización deficiente, óptimos locales, subajustes y sobreajustes.
Usando Internet de las Cosas (IoT), investigadores de Centro de Tecnologías Marinas de Shandong, en China han propuesto un nuevo método combinado para predecir con precisión los niveles de oxígeno y que reduce el ruido de los datos, la baja calidad y las propiedades no lineales.
Los investigadores, en un artículo publicado en la revista científica Ecological Informatics, subrayan la relevancia y aplicabilidad práctica del modelo propuesto en entornos acuícolas, sugiriendo su implementación en la toma de decisiones y el control ambiental para mejorar la eficiencia y sostenibilidad en la acuicultura.
El modelo propuesto, añaden, identificó cuatro parámetros de calidad del agua: conductividad eléctrica, temperatura del agua, turbidez y nivel del agua que son considerados importantes para mejorar el rendimiento del modelo en la predicción de la concentración de oxígeno disuelto. Por tanto, consideran que es adecuado para la predicción no lineal de la concentración de oxígeno disuelto en pequeñas muestras, estanques no estacionarios y de acuicultura comercial.
Otra de las ventajas de este método es la posibilidad de monitorización en tiempo real de los parámetros de calidad del agua y sugieren considerar la inclusión de parámetros atmosféricos como temperatura, humedad y presión atmosférica.
Como señalan los autores de este trabajo, en comparación con otros algoritmos, el modelo propuesto muestra ventajas destacadas, logrando altos niveles de precisión y eficiencia computacional.
Referencia:
Dachun Feng, Qianyu Han, Longqin Xu, Ferdous Sohel, Shahbaz Gul Hassan, Shuangyin Liu. An ensembled method for predicting dissolved oxygen level in aquaculture environment. Ecological Informatics, Volume 80, 2024, 102501, ISSN 1574-9541
Te puede interesar
Agenda
-
09octmié, 09 oct - jue, 10 octAuditorio Municipal de O Grove - O Grove (Pontevedra)
-
22seplun, 22 sep - jue, 25 sepPalacio de Congresos de Valencia