У рыбных ферм есть крупная проблема — все рыбки плавают под водой… Звучит не так уж и проблемно. Но попробуйте провести параллель и представить себе скот, который вы:
а) не можете рассмотреть;
б) посчитать;
в) вытащить из загона и обследовать.
Столько проблем из-за жабр и нехватки кислорода…
SeaBrainAI от стартапа SeaMind— это платформа с ИИ, которая в разы упростит работу рыбных ферм.
Да, стартап, безусловно, узконаправленный. Но в отличие от тысяч генеративных ИИ, создающий видео-артефакты в одинаковом стиле, помощник для оценки аквакультуры уж точно найдет своих клиентов.
Computer vision для трески или SeaCore: как спасти рыб на фермах
Никогда не пересчитывайте и не измеряйте рыбу вручную.
Внимание! Был создан ультра-мега-ИИ, оценивающий размеры, численность и даже почти точный вес ваших рыбех. Но давайте начнем с непосредственной пользы стартапа бизнесу. Любой проект успешен, если он максимизирует прибыль и продажи или минимизирует расходы.
Рыбы болеют. И это крупная проблема.
Группа компаний «Русская аквакультура» с конца июня по конец сентября 2015 г. потеряла 808 т атлантического лосося из-за вспышки миксобактериоза на одной из ферм в Баренцевом море.
808 тыс. лосося. Если учитывать общий объем затрат на взращивание мальков убыток может оцениваться в десятки миллионов рублей, которые бьют по бизнесу достаточно, чтобы компания закрылась. Ведь ведущая Российская аквакультура оправилась от такого удара лишь через три года после нашествия “лососевой вши”. Нейросети в данном случае выступают как средство мониторинга и позволяют, по крайней мере, свести распространение болезни к минимуму, выявляя больных рыб раньше, чем “вирус” начнет распространяться и захватит здоровых.
Болезни для рыбной индустрии — норма, но ее следует контролировать, ведь сегодня это главная проблема всех непредвиденных расходов компаний.
Есть паразиты, которые могут проявлять себя извне: ихтиофтальмоз (болезнь «белое пятно»), пятнистый ихтиофтороз или кишечные паразиты. Эти ребята могут вызывать различные симптомы, включая потерю аппетита, вялость. Другие паразиты, проникая в ткани рыб, могут вызывать воспалительные процессы или даже нарушения в работе органов. А это минус к общей выручке предприятия.
Бактерии и вирусы также могут стать причиной заболеваний у рыб. Некоторые из них могут вызывать резкое падение иммунитета, инфекции кожи или жабр, а также болезни внутренних органов. Как и в случае с паразитами, раннее обнаружение этих инфекций критически важно для предотвращения их распространения и обеспечения своевременного лечения. Тут речь идет о прибыли.
Почитайте про то, как на фермах Новергии умирают лососи. Миллионами.
У рыб действительно есть свои паттерны поведения, скорости движения, которые свидетельствуют, что она заболела. По поведению рыбы можно определить и степень ее здоровья, необходимость проведения проверок.
Уже с 2020 года компании присматриваются к ИИ-стартапам для разработки систем мониторинга. Но болезни не единственная причина работы с ИИ. Подсчет и оценка веса рыбы — трудоемкий процесс, неблагоприятно воздействующий на уровень стресса рыб.
Обычно работник определяет бассейны, где будут рассажены группы особей, далее используется рыбонасос и рыбы сортируются при помощи специализированного оборудования и распределяются по счетчикам.
Визуальная оценка без использования рук сотрудников понижает уровень стресса рыб. Значительно. При длительном стрессовом состоянии иммунитет рыбки падает и становится неспособным противостоять патогенной среде. Рыбка заболевает.
Как мы понимаем, сбор подобных данных приводит нас к следующему важному этапу любого проектирования качественного ИИ-стартапа — аналитика собранной информации и оптимизация решений бизнеса.
Мы нашли пример интеграции технологии при подсчете рыб в России и просто приведем цитату Директора компании ZIZ, Зиброва Антона, который и строил фермы:
После 9 месяцев от внедрения завод увеличил производительность с 130 до 150 тонн, на следующий год планы увеличить эту производительность до 200 тонн. Таким образом легко посчитать, что система учета помогла увеличить производительность на 14% — это 28 млн рублей от 200 миллионной стоимости завода.
По планам увеличить производительность на 35%, а это уже 70 млн рублей и все это без дополнительного строительства и модернизации производства.
УТП или зачем рыбным фермам ИИ для формирования контрактов
Использование ИИ позволяет анализировать различные аспекты производства на рыбных фермах, включая объемы производства, сезонные факторы, затраты на ресурсы и т. д., позволяет автоматизировать процесс формирования контрактов с покупателями и поставщиками рыбной продукции. А еще — и это самое главное — общение с государством!
Поэтому SeaMind выпустили свой чат-бот, который формирует индивидуальное коммерческое предложение, контракты и даже оформляет запросы на лицензии и разрешения.
Да, для ферм получение технических лицензий и разрешений — важно. В нашем случае данные о рыбах заносятся в сгенерированный ИИ текст. Учитываются нормативные требования и стандарты, облегчается регулировка органов, поставщиков и повышается уровень закупок. А это плюс прибыль!
Советы для взвешенных инвестиций или как создать свой computer-vision для рыб
Подсчет объектов с применением технологии машинного зрения и нейронных сетей, казалось бы, может показаться простой задачей, однако для обеспечения надежной работы системы в реальных условиях эксплуатации необходимо учитывать множество технических моментов:
Скорость перемещения объектов
В данном случае рыбы. Это является ключевым фактором. Эффективная система должна способствовать точному подсчету в динамичной среде, где особи могут двигаться очень быстро. Иногда даже слишком. Это требует не только высокой скорости обработки изображений, но и покупки специальных камер для машинного зрения.
Уровень освещения
Изображения, полученные при недостаточном или слишком ярком освещении, могут быть нечеткими или содержать избыточные шумы, что усложняет процесс анализа и подсчета объектов.
Система должна быть способна адаптироваться к различным условиям освещения, обеспечивая при этом стабильное качество изображений. Зачастую засветить «рыбок» затруднительно и вредно для их уровня «стресса».
Метод загрузки объектов в систему
В случае подсчета рыбы в лотке, например, важно учитывать их плотность, скорость прохождения через область анализа и возможные перекрытия между объектами. Это может потребовать разработки дополнительных алгоритмов для эффективного выделения и подсчета каждого отдельной особи.
Считается, что для эффективного дата-сета нужно от 20000 изображений рыб, если мы ставим камеры сверху и видим плавающих, например, мальков на поверхности. Проще всего имитировать внешний вид и движение рыб в каком-нибудь 3DS Max или Blender и отрендерить тысячи изображений, которые составят базу данных и обучать модель на них.
После сбора данных следует разметить изображения, указав на них местоположение и классы рыб. Для каждого изображения нужно указать, где находится каждая рыба и к какому классу она относится (например, вид рыбы). Разметка может быть ручной или автоматизированной с использованием специализированных инструментов разметки данных. Аннотацию, кстати, можно провести с недавно приведенным нами в пример Roboflow.
Дальше — обучение модели, тонкая настройка и оптимизация серверов. Модель может быть выбрана классическая для компьютерного зрения — YOLO.
Решения могут быть модернизированнее по мере получения новых инвестиционных средств или роста числа контрактов с рыбными фермами. Например, оценка о состоянии морды, кожных покровов и наличия вшей могут вообще сформировать не только необходимый персональный кормовой «коэффициент», но и целую документацию по рыбам.
На некоторых рыбных фермах проводится оценка генетических характеристик рыбы, таких как ее ростовые характеристики, устойчивость к болезням и другие показатели.
Оценка здоровья рыбы включает в себя наблюдение за ее активностью, аппетитом, дыханием и общим поведением. Здоровая рыба должна быть активной, реагировать на окружающую среду, иметь хороший аппетит. А еще следует оценивать рыбу на наличие повреждений, царапин, а также степень их восстановления.
Модели машинного обучения могут быть обучены анализировать данные о химическом составе воды, такие как уровень кислорода, pH, содержание аммиака и других химических компонентов. На основе этих данных можно оценить качество воды и выявить потенциальные проблемы, такие как загрязнение или изменения в ее составе.
Поэтому подобный стартап имеет серьезный потенциал для роста. Конкуренция будет расти, но и свежего воздуха для креативных решений помощи бизнесу много. Так что ждем обновлений в этом направлении и следим за удешевлением красной и черной икры.