Oreja de mar | @misPeces
El trabajo conjunto entre investigadores del campo de la acuicultura y los de la ciencia de la computación puede dar soluciones innovadoras que ayuden mejorar el desempeño de las especies cultivadas.
Una de las aplicaciones más interesantes de la Inteligencia Artificial es la predicción del crecimiento gracias a las herramientas de aprendizaje automático. Esta rama de la informática desarrolla algoritmos sin necesidad de una programación explícita y ha sido puesta en práctica en la predicción del crecimiento en abalones, oreja de mar, criados en sistemas de acuicultura en tierra.
Se trata del molusco más caro del mundo, de ahí la importancia de poder optimizar los recursos empleados para su crecimiento. Se han estudiado relaciones entre la densidad de siembra, la dieta y la tasa de crecimiento, así como la salinidad óptima para el crecimiento de abulón en Japón. La recirculación de sistemas de acuicultura para abulón ha sido propuesta. Controlar factores ambientales como la temperatura en sistemas de flujo continuo en tierra es un desafío, por lo que se busca desarrollar métodos que permitan controlar estos factores para aumentar la productividad y reducir la dependencia de las condiciones naturales.
El estudio, realizado en Fukushima, Japón, ha puesto en común datos de parámetros específicos como el pH, la alimentación, la temperatura y el oxígeno disuelto en el agua.
Los investigadores han utilizado una tecnología denominada “Shapley additive explanations (SHAP)”, que permite entender cómo estos factores afectan en el crecimiento de los abalones.
Ajustar la temperatura es fundamental para mejorar el crecimiento de los abalones cultivados en tierra. Gracias a los resultados obtenidos al aplicar los algoritmos, los investigadores saben cómo deben actuar durante el invierno cuando las temperaturas bajan y estos moluscos dejan de crecer, calentando el agua; o en verano, cuando las temperaturas ascienden, y se requiere de aumentar el flujo para reducirla y garantizar suficiente oxígeno.
La edad es otro parámetro importante en el crecimiento de los abalones y se tiene muy en cuenta en los modelos predictivos. Se sabe que el crecimiento es más rápido en etapas iniciales, a partir del tercer mes de edad, y se ralentiza después del décimo mes de cultivo. A partir de esta información, los productores podrán saber cuál es el mejor momento de la cosecha.
En definitiva, los algoritmos de aprendizaje automático sirven para que los productores tomen decisiones informadas sobre cómo equilibrar los costes de energía para el calentamiento en invierno y el flujo de agua en verano para enfriarla.
Los investigadores seguirán realizando nuevos estudios que continúen actualizando el conjunto de datos y evaluar otros factores como pH, contenido de oxígeno, turbidez del agua en los estanques, luz solar y consumo de alimento, para relacionarlos con el aumento de peso de los moluscos.
Referencia:
NGUYEN MINH KHIEM, YUKI TAKAHASHI, TOMOHIRO MASUMURA, GENKI KOTAKE, HIROKI YASUMA, NOBUO KIMURA. A machine learning ensemble approach for predicting growth of abalone reared in land-based aquaculture in Hokkaido, Japan. Aquacultural Engineering, 2023, 102372, ISSN 0144-8609
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