
Una webcam y un ordenador permiten a investigadores de la Universidad de Zhejiang desarrollar un método de visión e inteligencia artificial para predecir con gran precisión el grado de apetito de percas atruchadas (Micropterus salmonides), un pez periforme de agua dulce originario de norte América.
El método está basado en el comportamiento espacio-temporal de los peces en función de cuatro grados de apetito: ninguno, débil, medio y fuerte y tiene una capacidad de precisión de 98,31%.
Los peces se mantuvieron en un sistema RAS (Sistema de Recirculación en Acuicultura) mientras se gravó el comportamiento espacio-temporal.
La información se procesó en dos fases. Primero se utilizó un esqueleto de red MKEM para extraer y cuantificar las características espaciales de comportamiento. La segunda parte incluye el aprendizaje automático de las características temporales y la clasificación del apetito de los peces en base a la secuencia de los vídeos anteriores con la ayuda de un RNN personalizado.
En el estudio el método propuesto para el desarrollo incluye un Python 3.6 y el modelo de clasificación de la red neuronal se entrenó en TensorFlow 1.10.0. Para evaluar la viabilidad del método propuesto se utilizaron cuatro conjuntos de datos diferentes.
Aunque son varios los métodos de aprendizaje profundo que se están aplicando en acuicultura, todavía es una tecnología muy inmadura y de difícil implantación práctica ya que el apetito de los peces varía de un pez a otro; así como otros factores ambientales que no son fácilmente controlables. Por otra parte, para el desarrollo de la metodología los vectores de movimiento se calcularon manualmente, lo que implica la subjetividad humana en el proceso de cálculo.
Un aspecto importante a tener en cuenta es que, en general, cuando un banco de peces con distinto grado de apetito comienza a alimentarse, los más hambrientos se orientan hacia la comida y se agregan donde llegan los lotes de alimentos, son más agresivos y su velocidad de nado es mayor.
Teniendo en cuenta esta característica, el algoritmo tuvo en cuenta que el apetito de los peces se determina en función de la etapa temprana de hambre, lo que puede dejar suficiente tiempo de reacción para el control posterior de la alimentación.
En próximos estudios este método deberá enfrentarse a una situación real de cría.