水产养殖系统中的饲料控制和水质监测:机遇与挑战
本研究提出了基于物联网的水产养殖解决方案,利用生物絮凝技术将未使用的饲料转化为微生物蛋白,采用传感器采集数据,并运用机器学习模型和人工智能产生决策和通知,实现高效和生产力的提高。
Jul, 2022
该研究文章展示了数据驱动决策支持在水产养殖中的强大作用,承诺满足日益增长的对海鲜的需求,同时强调环境责任与经济可行性,从而彻底改变未来的养鱼方式。
Nov, 2023
我们研究随机饲料成本对动物类商品的影响,尤其关注水产养殖。我们使用大豆期货来推测鲑鱼饲料的随机行为,假设其遵循 Schwartz-2 因子模型。我们比较了在考虑确定性或随机饲料成本(即包括饲料成本风险)的决策规则下进行捕捞鲑鱼的情况。我们确定了在考虑随机饲料成本时能够显著改善的情况,以及确定确定性饲料成本是良好代理的情况。然而,在所有这些情况下,新推导出的规则都表现出优越的性能,而额外的计算成本可以忽略不计。从方法论的角度来看,我们展示了如何使用深度神经网络来推断决策边界,这决定了收获还是继续,改进了传统的基于回归和曲线拟合的方法。为了实现这一点,我们使用了深度分类器,不仅改进了以前的结果,而且在处理高维问题时也具有良好的可扩展性,并且缓解了该文章中识别到的模型不确定性的影响。
Sep, 2023
通过非线性自回归高斯过程方法学习不同保真度模型之间非线性复杂交叉相关性的多保真度代理模型框架,实时监测随机海洋条件下水产养殖网箱结构动力学,有效预测网箱位移和锚链负荷,并可以远程操作无人潜水器,防止潜在损害。
Jun, 2024
畜牧饲料行为监测的自动化方法和技术的综述,讨论了不同的传感方法、信号处理和计算智能方法,并强调了自动监测系统提供有价值信息以改善我们对畜牧饲料行为的理解的潜力。
Dec, 2023
本文提出了一种基于机器人的海水养殖网箱自动损伤检测系统,用于在 ROV 处理过程中和实时检测中检测网的损伤部分,该系统通过 ROV 的载体摄像机获取视频流,采用深度学习检测器,在不同水下条件下将图像的有缺陷部分与背景进行分割,该方法经过测试后表明其高准确性即使在逆境情况下,并且适用于嵌入式平台的实时处理。
Aug, 2023
传统经验不足以支持预防性关闭措施的制定,因此本研究提出了基于 kNN 算法的预测模型,能够在复杂情况下帮助决策,实现敏感性、准确度和 kappa 指数值分别为 97.34%、91.83% 和 0.75。
Feb, 2024
用神经网络添加自适应加权模型(BAGNET)和辨别式最近邻分类(SVM-KNN)进行比较,以估计生产区域的状态,结果表明 BAGNET 模型在结果和鲁棒性方面都优于其他模型,平均召回率为 93.41%。
Feb, 2024
自 20 世纪 90 年代以来,水产养殖生产迅速增长,但稀缺的、自我报告的和汇总的生产数据限制了对该行业趋势和潜在风险的有效理解和监测。本研究基于水产养殖生产的手动调查,利用计算机视觉模型从航空和卫星图像中识别海洋养殖笼,生成了法国地中海 2000 年至 2021 年的鱼类养殖地点的空间明确数据集,其中包括 4,010 个笼子(笼子平均面积为 69 平方米)。我们证明了我们的方法的价值,作为一种易于适应、经济高效的方法,可以提高水产养殖调查的速度和可靠性,并可用于研究人员和监管机构进行下游分析。我们使用该方法计算独立估计的生产量,并发展了一个灵活的框架来量化估计中的不确定性。总体而言,我们的研究提出了一种高效、可扩展和高度适应的从遥感图像监测水产养殖生产的方法。
Jun, 2024