Концепция системы на основе AI-IoT для повышения рыбопродуктивности в «умном» пруду(Перевод)

Скачать оригинал документа

Naseer Sanni Ajoge, Mohammed Auwal Ahmed, Abubakar Balarabe Department Of Computer Science, Kaduna Polytechnic, Kaduna — Nigeria

Аннотация: — Нигерия по-прежнему в значительной степени зависит от импорта для удовлетворения чрезмерного спроса на рыбу, несмотря на усилия по расширению местного производства для удовлетворения потребностей граждан в питательных веществах. Опираясь на технологию, можно найти решение, позволяющее среднему домохозяйству иметь собственный «умный» пруд, который можно контролировать и управлять им, где бы он ни находился. Таким образом, предлагаемое нами исследование заключается в разработке структуры «умного пруда». Основополагающим принципом является взаимосвязь устройств Интернета вещей (IoT), управляемых алгоритмами искусственного интеллекта (AI) и питающихся от облачных ресурсов. Это позволит изучать динамику поведения рыб в пруду на основе данных, получаемых от датчиков. Такое понимание поведения может адекватно адаптировать определенные устройства для повышения производительности с течением времени. Создание системы на основе AI-IoT для повышения рыбопродуктивности «умного» пруда требует продуманной структуры, объединяющей различные технологии и компоненты. В данной работе основное внимание уделяется разработке структуры, которая при правильном подходе послужит основой для завершения исследования, в ходе которого будут разработаны прототип и окончательная реализация. Прототип интеллектуального пруда, который будет получен в ходе последующих исследований, может быть реализован на основе концепции, а полученные данные будут проанализированы и сравнены с аналогичными данными, полученными в обычном рыбоводном пруду.

Ключевые слова:- облачные вычисления, IoT, машинное обучение, Smart-Pond.

I. ВВЕДЕНИЕ

Достаточное количество продовольствия и оптимальное питание являются фундаментом для построения здоровой и безопасной жизни и, таким образом, формируют основу для развития любой страны (Министерство бюджета и национального планирования, 2016). К 2030 году миру потребуется примерно на 50% больше продовольствия, а Нигерия с населением около 200 млн человек до сих пор зависит от импорта продуктов питания и белков. Среди наиболее импортируемых продуктов для удовлетворения дефицита спроса особенно выделяется рыбная продукция. Это объясняется тем, что рыбная продукция занимает центральное место в стратегиях обеспечения продовольственной безопасности и питания на всех этапах развития человечества (Wang et al., 2021).

В Нигерии федеральные и местные органы власти приняли меры по стимулированию местного рыбоводства, предоставляя обучение и оборудование для создания прудов даже в домашних условиях. Однако рыбоводство требует абсолютного контроля, который может обеспечить только штатный фермер, полностью посвятивший себя сельскохозяйственной деятельности. Постоянно работающие фермеры стареют, и их методы не справляются с растущим населением и потребностями. Поэтому подавляющее большинство населения, особенно представители рабочего класса, которые могут быть заинтересованы в разведении рыбы на уровне семьи, можно привлечь к этому процессу, используя технологию управляемого рыбоводства.

Исследования в таких областях, как искусственный интеллект (ИИ), облачные вычисления и Интернет вещей (IoT), затрагивают все аспекты человеческой деятельности. Алгоритмы ИИ становятся все более надежными и прочными, поэтому их применяют в различных областях для решения сложных задач (Mohan et al., 2017). Повсеместное распространение технологий ИИ усиливается за счет социально-информационной составляющей, ориентированной на поведенческую адаптацию социальных существ. IoT — это новая революция, обеспечивающая связь между устройствами, людьми и процессами для обмена полезной информацией и знаниями, создающими ценность для человека. Технологии IOT произвели революцию в процессах рыбоводства, используя сети датчиков для измерения таких величин, как pH, температура и другие параметры. Управление рыбоводческими хозяйствами может быть автоматизировано и легко контролироваться дистанционно из других мест, что экономит время и деньги, делает аквакультуру более эффективной и даже экологичной.

Облачные технологии и развитие телекоммуникаций, обусловленное ожиданием высоких скоростей и низких задержек в технологии 5G, открывают новые возможности для исследования IoT с целью повышения производственного потенциала человека. Сочетание возможностей искусственного интеллекта и IoT с помощью облачных технологий для создания более интеллектуальной системы, описанной как «Интернет вещей с искусственным интеллектом» (AIoT), изображенной на рис. 1, может быть разработано и реализовано для создания «умного пруда», который будет производить качественную продукцию.

 

Рис. 1 Символическая взаимосвязь между IoT, облачными технологиями и искусственным интеллектом

При правильном инвестировании в исследования, направленные на развитие технологий в сельском хозяйстве, мелкие фермеры, составляющие большинство населения, смогут зарабатывать на жизнь лучше, обеспечивать растущее население достаточным количеством питательных продуктов и строить пути для поддержания будущего роста.

Современное сельское хозяйство и цепочка создания добавленной стоимости являются важнейшим условием достижения продовольственной безопасности. С другой стороны, правильное питание имеет огромное значение для жизни людей, поскольку оно влияет на здоровье, образование и производительность труда. В экономике Нигерии преобладают трудоемкие технологии с низкой добавленной стоимостью в условиях монопродуктовой экономики. Для восполнения потребностей в белке поощряется разведение рыбы, однако в практике по-прежнему используются традиционные методы рыболовства. Исследования по применению ИОТ для создания «умных» прудов находятся в зачаточном состоянии, а акцент на ИИ для активизации таких исследований носит отрывочный характер. Большинство работ посвящено веб-мониторингу водных объектов, автоматическим кормушкам (Atoum et al., 2015), а в последнее время — контролю и управлению водой (Jha et al., 2020; Ramya et al., 2019). Большинство этих исследований было сосредоточено на взаимодействии с устройствами на переднем крае, при этом практически не предпринималось усилий по использованию методов искусственного интеллекта для динамического управления IOT-устройствами на основе генерируемых данных. Этот пробел и положен в основу концепции данного исследования.

В качестве первого шага на пути к созданию более инклюзивной и надежной системы «умного пруда» в данном исследовании предложена структура, представляющая подключение и связь IoT-устройств с использованием облачных ресурсов. Концепция включает в себя определение соответствующей модели искусственного интеллекта, которая позволяет изучать поведение аквакультуры с целью принятия разумных решений и осуществления автономных действий. На основе этой концепции предлагается прототип интеллектуального пруда, в котором будут проведены исследования для сравнения процессов и продуктов с теми, которые можно получить в обычном пруду.

II. РЕЛЕВАНТНАЯ РАБОТА

Исследование структуры системы на основе ИИ-ИОТ для повышения эффективности рыбоводства в «умном» пруду требует изучения существующих исследований и разработок в области искусственного интеллекта (ИИ), Интернета вещей (IoT) и аквакультуры с акцентом на то, как эти технологии могут быть интегрированы для повышения эффективности рыбоводства. В этом контексте основное внимание уделяется ключевым концепциям, проблемам и потенциальным преимуществам, связанным с этой системой.

Ma et al. (2012) предложили прототип «Информационной системы аквакультуры» на базе Интернета вещей E-nose. Архитектура состоит из платформы для измерения и управления на месте, которая определяет различные параметры качества воды в пруду и управляет исполнительными механизмами для соответствующей регулировки параметров. Они подчеркнули роль датчиков и исполнительных устройств в сборе данных из прудов аквакультуры. В работе Ahmed et al. (2022), посвященной использованию искусственного интеллекта для выявления и диагностики заболеваний рыб, был применен метод машинного обучения на основе изображений, а именно SVM с ядровой функцией, для лососевых рыб. Их модель достигла точности 91,42% (с дополнением) и 94,12% (без дополнения).

Chiu et al. (2022) Предложена интеллектуальная система мониторинга и управления рыбоводством на основе IoT, оснащенная различными IoT-устройствами для сбора данных в режиме реального времени, что позволяет легко отслеживать, регулировать и оценивать состояние качества воды в рыбоводном пруду и другие параметры системы в удаленном режиме. В исследовании разработана модель глубокого обучения (DL), которая коррелирует различные параметры интеллектуальной системы аквакультуры в первую очередь для прогнозирования роста калифорнийского басса.

В работе Bidossessi (2021) изучалась технология интеграции ИИ и IoT для мониторинга и управления системами аквакультуры. Они обсудили, как ИИ может анализировать данные IoT для принятия обоснованных решений, оптимизации кормления и эффективного управления ресурсами. В работе Ubina et al. (2023) рассматриваются интеллектуальные сельскохозяйственные системы, включая аквакультуру, и роль ИИ и IoT в оптимизации использования ресурсов. Они подчеркнули важность аналитики данных для улучшения практики рыбоводства.

В области мониторинга поведения рыб Xia et al. (2018) использовали компьютерное зрение и глубокое обучение для анализа токсичности водной среды путем мониторинга поведения рыб. Их модель успешно собрала достаточно подробные поведенческие данные для прогнозирования токсичности системы «рыба-закрытие». Качество воды имеет решающее значение для здоровья рыб. В ряде исследований, например в работе (Vijayakumar & Ramya, 2015), рассматриваются IoT-датчики для мониторинга качества воды в прудах аквакультуры в режиме реального времени. Интеграция искусственного интеллекта может помочь в проактивном управлении качеством и раннем обнаружении проблем. Несмотря на очевидные потенциальные преимущества, следует учитывать такие проблемы, как безопасность данных, масштабируемость и высокие первоначальные затраты на внедрение таких систем. Системы AI-IoT также могут оказывать значительное экономическое и экологическое воздействие. В исследовании Yang et al. (2020) рассматривается экономическая целесообразность и устойчивость интегрированных систем ИИ-ИОТ в аквакультуре.

Изучение конкретных примеров применения интегрированных систем AI-IoT в аквакультуре, например, на рыбоводческих предприятиях, может дать практическое представление о преимуществах и проблемах в реальном мире.

Таким образом, система на основе Ai-IoTдля повышения эффективности рыбоводства в «умном» пруду способна произвести революцию в отрасли аквакультуры. Интеграция ИИ для анализа данных и принятия решений с IoT для сбора данных в режиме реального времени позволит рыбоводам оптимизировать свою работу, улучшить здоровье рыбы и повысить производительность. Однако для успешного внедрения таких систем необходимо решить технические, экономические, нормативные и этические вопросы. Необходимы дальнейшие исследования и практические внедрения для уточнения и проверки этих основ

III. МЕТОДОЛОГИЯ

В целом исследование включает четыре основных этапа. Первый этап, на котором сосредоточена данная работа, — фреймворк, представляющий собой предлагаемый план создания идеальной ИИ-системы.

Интеллектуальный пруд IoT. Концепция определяет цели и требования, настройку оборудования, сбор и интеграцию данных, анализ данных, процедуры автоматизации, коммуникационные процедуры, алгоритмы искусственного интеллекта и машинного обучения, а также другие протоколы подключения для создания типичного интеллектуального пруда.

Вторым этапом исследования является определение работоспособности IoT-устройств, необходимых для системы. Датчики и микроконтроллеры определяются с точки зрения масштабируемости, меньшей мощности, адаптивности и стоимости для достижения оптимальной производительности. На третьем этапе исследуется высокопроизводительная и масштабируемая облачная платформа (например, Microsoft Azure) для обеспечения аппаратной поддержки, программных потребностей и технологических сервисов, необходимых для работы алгоритмов ИИ.

Завершающим этапом является тестирование прототипа интеллектуального пруда на базе нашего AIoT-фреймворка. На этом этапе реализуется управление интерфейсом приборной панели с помощью мобильного и веб-приложения. На этом этапе проводится оценка прототипа в сравнении с контролируемым прудом и сравнение результатов по качеству и стоимости конечной продукции.

Рис. 2 Предлагаемый процесс исследования

Настоящее исследование посвящено только первому этапу — разработке структуры, которая послужит основой для изучения и реализации трех других этапов. Остальные три этапа будут предложены отдельно.

IV. Предлагаемая схема AIoT для умного пруда

Создание системы на базе AI-IoT для повышения рыбопродуктивности «умного» пруда требует продуманной структуры, объединяющей различные технологии и компоненты. Предлагаемый начальный фреймворк состоит из 16 модулей, которые реализуются в хронологическом порядке, приведенном в таблице, для достижения оптимальных результатов.

Таблица 1 Структура AIoT для реализации Smart-Pond

1.  Определение                     Цели и требования ·         Четко определить цели системы, такие как повышение рыбопродуктивности, оптимизация использования ресурсов и обеспечение качества воды

·         Определите конкретные требования, такие как виды рыб, размер пруда и доступность

2.  Аппаратная инфраструктура Реализация надежной аппаратной инфраструктуры для «умного пруда

·         IoT-датчики: Развертывание различных датчиков для мониторинга параметров качества воды, таких как температура, pH, растворенный кислород, уровень аммиака, мутность и соленость

·         Камеры: Установка подводных камер для мониторинга рыбы в режиме реального времени и распознавания изображений

·         Автоматическая кормушка: Реализация автоматической кормушки для рыб, которая выдает корм на основе заранее заданного расписания или рекомендаций, основанных на искусственном интеллекте

·         Система циркуляции воды: Использование насосов и аэраторов для управления циркуляцией воды и уровнем кислорода

·         Механизмы контроля качества воды:  Использование систем автоматической фильтрации воды, ультрафиолетовой стерилизации и дозирования химических веществ для поддержания оптимального состояния воды

3.  Сбор и интеграция данных ·         Подключение IoT-датчиков к центральному узлу сбора данных

·         Внедрять протоколы передачи и хранения данных, обеспечивая их целостность и безопасность

·         Интегрировать данные из различных источников, включая прогнозы погоды и базы данных о качестве воды

 

4.  Данные  Обработка и анализ ·         Использование моделей машинного обучения для прогнозирования поведения рыбы, ее роста и состояния здоровья

·         Контролировать условия окружающей среды и соответствующим образом регулировать параметры (например, уровень кислорода, температуру)

·         Облачная платформа: Использование облачных сервисов для хранения и обработки данных.

·         ИИ и машинное обучение: Внедрение алгоритмов искусственного интеллекта для прогнозной аналитики, обнаружения аномалий и распознавания изображений для мониторинга состояния здоровья и поведения рыб.

·         Объединение данных:  Объединение данных из различных источников для получения представления об общем состоянии пруда.

5.  Управление  и автоматизация ·         Принятие решений на основе искусственного интеллекта для управления дозаторами кормов, системами аэрации и системами поддержания качества воды

·         Обеспечение возможности удаленного контроля и мониторинга для удобства управления

·         Дистанционное управление: Позволяет осуществлять удаленный мониторинг и управление системой пруда через мобильное приложение или веб-интерфейс.

6.  Пользовательский интерфейс и приборная панель ·         Разработка удобной панели управления, позволяющей рыбоводам получать доступ к данным в режиме реального времени и принимать обоснованные решения

·         Включает в себя функции настройки параметров, получения предупреждений и удаленной регулировки параметров

7.  Модуль связи и оповещения ·         Создание механизмов оповещения фермеров о критических событиях или отклонениях от оптимальных условий

·         Включить SMS- или email-уведомления о срочных делах

·         Мобильное приложение: Разработать мобильное приложение для фермеров, позволяющее осуществлять удаленный мониторинг и управление прудом.

8. ИИ и машинное обучение и модели ИИ Обучение моделей машинного обучения для:

·         Прогнозирование роста и здоровья рыбы на основе исторических данных.

·         Оптимизировать график и количество кормлений.

·         Обнаружение аномалий в качестве воды и поведении рыб.

9.  Безопасность  и конфиденциальность ·         Внедрение надежных мер безопасности для защиты данных и систем управления от киберугроз.

·         Обеспечение соответствия требованиям законодательства о конфиденциальности данных.

10. Масштабируемость  и защита на будущее ·         Спроектировать систему таким образом, чтобы в будущем она могла масштабироваться для создания более крупных прудов или дополнительных прудов.

·         Следить за развитием новых технологий и внедрять их по мере необходимости.

11. Мониторинг  и обслуживание ·         Установите график регулярного технического обслуживания датчиков, исполнительных механизмов и других компонентов.

·         Мониторинг производительности системы и проведение периодических аудитов системы.

12. Резервное копирование и резервирование данных ·         Внедрить механизмы резервного копирования и резервирования данных для предотвращения их потери.
13. Обучение  и поддержка ·         Провести обучение фермеров эффективному использованию системы.

·         Оказывать поддержку клиентам по устранению неполадок и решению проблем.

14. Мониторинг  и оценка ·         Постоянный мониторинг работы системы и результатов производства рыбы.

·         Использование обратной связи позволяет со временем улучшать алгоритмы ИИ и повышать эффективность системы.

15. 8.Анализ  затрат и оценка рентабельности инвестиций ·         Рассчитать окупаемость инвестиций (ROI), сравнив стоимость системы с увеличением производства рыбы и снижением эксплуатационных расходов.
16. Соблюдение нормативных требований ·         Обеспечить соответствие системы местным нормам и экологическим стандартам.
17. Интеграция  с внешними системами ·         Погодные данные: Интеграция данных прогноза погоды для принятия проактивных решений по управлению водоемами.

·         Рыночные данные: Связь с рыночной информацией для оптимизации стратегий добычи и сбыта рыбы.

18. Масштабируемость и будущие усовершенствования ·         При проектировании системы учитывается возможность ее масштабирования для создания более крупных прудов или дополнительных функций.

·         Планирование будущих усовершенствований и обновлений моделей и программного обеспечения ИИ.

 

Создание системы AI-IoT для интеллектуального рыбоводства предполагает междисциплинарный подход, объединяющий опыт в области аквакультуры, IoT, искусственного интеллекта и разработки программного обеспечения. Это может значительно повысить эффективность и устойчивость рыбоводства, сократить ручной труд и уменьшить воздействие на окружающую среду. Следуя этим принципам, можно разработать систему AI-IoT, которая не только улучшит производство рыбы, но и повысит общую эффективность и устойчивость работы вашего «умного» пруда.

V. ОЖИДАЕМЫЕ РЕЗУЛЬТАТЫ

Ø     Фреймворк для подключения масштабируемых датчиков на водоеме (front-end), взаимодействующих через локальную сеть с высокопроизводительным облаком (back-end), которое также управляет данными устройств для алгоритмов искусственного интеллектаОсновными моментамикоторые необходимо учесть при создании фреймворкаявляются

  • Система управления прудом — дизайн приборной панели и мобильного приложения
  • IoT-платформы — установленные датчики уровня воды, pH, влажности, ультразвука, кислорода и других параметров
  • Шлюз для мониторинга и управления — микроконтроллер (RaspberryPi) взаимодействует с датчиками для сбора и передачи данных в облако.
  • Алгоритмы машинного обучения для изучения динамики поведения рыб
  •  Сетевая и энергетическая интеграция — для обеспечения адекватного и бесперебойного источника энергии, а также сети связи

Ø     Прототип интеллектуального рыбоводного прудареагирующего на динамику поведения рыб в пруду для обеспечения оптимальной производительности.

Рис. 3 Ожидаемое базовое подключение устройств

VI. ЗАКЛЮЧЕНИЕ

Для того чтобы сделать разведение рыбы интересным и практичным для подавляющего большинства растущего населения Нигерии, необходимо одомашнить процесс выращивания рыбы. Таким образом, реализация данной концепции позволит не только коммерческим рыбоводам, но и частным лицам и представителям рабочего класса устанавливать у себя дома «умные» пруды для разведения рыбы, которые можно будет контролировать и управлять дистанционно. Включение алгоритмов искусственного интеллекта обеспечивает понимание фундаментальной поведенческой динамики пруда для обогащения базы знаний системы. Это позволит запускать определенные автономные действия, такие как смена воды и кормление, без вмешательства владельца пруда с помощью IoT-устройств, а связь между устройствами усиливается за счет использования облачных ресурсов. Таким образом, операции могут выполняться в нужное время, что обеспечивает качество продукции, снижение стресса и повышение урожайности, так как будет зафиксировано меньше смертельных случаев из-за ошибок, допущенных в результате упущений или комиссий.

Успех проекта и его реализация среди целевой элиты не только обеспечит увеличение потребления качественного белка средней семьей, но и окажет положительное влияние, например, снизит спрос на местном рынке, что приведет к стабильности цен.