Vươn Khơi

Nuôi cá chính xác: Phương thức nuôi cá hiện đại

Trại nuôi cá ở Loch Ainort, Đảo Skye, Scotland. Ảnh: Richard Dorrell, Wikimedia Commons.

Các thành tố của quy trình nuôi cá chính xác PFF

Các mục tiêu chính của Nuôi cá Chính xác (Precision Fish Farming – PFF) là: (1) cải thiện độ chuẩn, tính chính xác và khả năng lặp lại chuẩn xác các thao tác nuôi trồng; (2) tạo điều kiện cho việc giám sát sinh khối vật nuôi liên tục và tự chủ hơn; (3) hỗ trợ tin cậy hơn cho việc ra quyết định; và (4) giảm sự phụ thuộc vào lao động chân tay và các đánh giá chủ quan, do đó cải thiện sự an toàn của nhân viên. Thông qua các thành tốnày, PFF sẽ cải thiện sức khỏe và phúc lợi động vật đồng thời tăng năng suất, sản lượng và tính bền vững về môi trường trong NTTSthâm canh quy mô thương mại.

Khi xác định PFF, ta cần hình dung việc nuôi cá như một chuỗi các quy trình hoạt động theo chu kỳ được thực hiện trong 4 giai đoạn, trong đó các phản ứng sinh học trong lồng nuôi được quan sát (giai đoạn Quan sát) và nhận định (giai đoạn Nhận định), tạo cơ sở để đưa ra quyết định (giai đoạn Quyết định), theo đó thực thi các hành động (giai đoạn Hành động) nhằm tạo ra phản ứng sinh học ở cá (Hình 1). Các quan niệm về chu kỳ tương tự như vậy đã được sử dụng để mô tả các quá trình và sản phẩm trong các ngành sản xuất khác.

 

Hình 1: Minh họa chu trình PFF, với các quá trình hoạt động bao gồm 4 giai đoạn: quan sát, nhận định, quyết định và hành động. Vòng trong thể hiện công nghệ tiên tiến hiện nay trong ngành, với các thao tác và giám sát thủ công, còn nhận định và quyết định dựa trên kinh nghiệm. Vòng ngoài mô tả cách thức mà ứng dụng PFF có thể tác động đến các giai đoạn khác nhau của chu trình. Đồ họa: Andreas Myskja Lien, SINTEF Ocean.
Hình 1: Minh họa chu trình PFF, với các quá trình hoạt động bao gồm 4 giai đoạn: quan sát, nhận định, quyết định và hành động. Vòng trong thể hiện công nghệ tiên tiến hiện nay trong ngành, với các thao tác và giám sát thủ công, còn nhận định và quyết định dựa trên kinh nghiệm. Vòng ngoài mô tả cách thức mà ứng dụng PFF có thể tác động đến các giai đoạn khác nhau của chu trình. Đồ họa: Andreas Myskja Lien, SINTEF Ocean.

Ngày nay, hầu hết các nhiệm vụ liên quan đến các giai đoạn khác nhau đều được tiến hành thủ công (tức là phần gần tâm trong Hình 1). Đầu tiên, người nuôi quan sát cá nuôi thông qua theo dõi trực tiếp bằng mắt hoặc bằng các công cụ thu thập dữ liệu như camera, kết quả là thu nhận được các thông tin định tính hoặc định lượng về phản xạ sinh học của cá. Sau đó, người nuôi dùng kinh nghiệm chủ quan để lý giải các thông tin này, đưa ra nhận định về tình trạng và điều kiện hiện tại của cá.

Những nhận định này sau đó được sử dụng làm nền tảng để đưa ra các quyết định liên quan đến hoạt động nuôi và quản lý, rồi được thực hiện bằng các hành động thủ công trên lồng nuôi. Các quyết định như vậy có thể được đưa ra dựa trên đánh giá tình trạng hiện tại hoặc dự kiến trạng thái ​​trong tương lai của hệ thống, đại diện cho các phiên bản thủ công của nguyên tắc phản hồi và dịch chuyển trong kỹ thuật điều khiển tương ứng.

Các phương pháp và công cụ nuôi cá áp dụng các giải pháp công nghệ và / hoặc các nguyên tắc tự động hóa cho một, một số hoặc tất cả các giai đoạn khác nhau của hoạt động nuôi có thể được coi là phương pháp tiếp cận PFF. Do đó, kết quả cuối cùng của việc áp dụng PFF cho một hoạt động cụ thể sẽ là các yếu tố trong hoạt động đó thuộc các giai đoạn khác nhau của quá trình nuôi cá được chuyển từ chế độ dựa trên kinh nghiệm sang chế độ dựa trên kiến ​​thức (tức là chuyển từ phần trong ra phần ngoài Hình 1).

Hiện trạng PFF trong công nghiệp và trong nghiên cứu

Mặc dù khái niệm PFF trước đây chưa được xác định, nhưng nhiều nỗ lực nghiên cứu công nghệ và đổi mới thiết bị cho ngành NTTScó thể được coi là công cụ hoặc cấu phần để phát triển các phương pháp PFF, và trong một số trường hợp đã là phương pháp PFF theo đúng nghĩa. Trong bài viết này – được điều chỉnh và tóm tắt từ bài gốc – chúng tôi cung cấp một cái nhìn tổng quan về hiện trạng của lĩnh vực này, bao gồm cả các ứng dụng công nghiệp và các hoạt động nghiên cứu. Hầu hết các phương pháp hoặc khái niệm có liên quan ở đây đề cập đến từng giai đoạn một trong hoạt động nuôi cá (Hình 1), vì vậy mỗi giai đoạn sẽ được thảo luận riêng biệt.

Quan sát: Các biến số mô tả phản xạ sinh học của động vật

Việc không thể sử dụng quan sát trực tiếp để đánh giá đại diện các trạng thái cá thể và quần thể dưới nước trong các trại cá đồng nghĩa với việc người nuôi cá phải phụ thuộc vào việc sử dụng các giải pháp công nghệ để theo dõi vật nuôi của họ. Camera chìm là công cụ phổ biến nhất trong các trang trại cá hiện nay, được sử dụng để quan sát cá trong quá trình sản xuất, với người vận hành sẽ phân tích hành vi của chúng theo cách thủ công và chủ quan. Hệ thống camera là nền tảng hữu ích để giám sát cá tự động bằng cách áp dụng các thuật toán thị giác máy tính vào luồng video.

Các khả năng trong kỹ thuật thị giác máy tính đang mở rộng nhanh chóng, do cả sự phát triển của phần cứng như camera và công nghệ máy tính, cũng như việc ứng dụng ngày càng tăng của các công nghệ này trong thị trường điện tử tiêu dùng. Các phương pháp thị giác máy tính có thể định lượng một số biến số động vật khác nhau trong môi trường nuôi cá, bao gồm phân nhóm và di chuyển, tình trạng da, kích thước cá, mức độ nhiễm rận biển và thay đổi hành vi do tiếp xúc với hóa chất.

Ngoài ra, các phương pháp thị giác máy tính có thể giám sát các đặc tính quan trọng của môi trường vật chất, chẳng hạn như số lượng viên thức ăn và các biểu hiện hành vi có thể quan sát được bên trên dòng nước, như các hoạt động bề mặt. Mặc dù sự khác biệt trong các công nghệ được sử dụng để quan sát cá sống trong ngành còn hạn chế, nhưng sự đa dạng về phương pháp luận trong nghiên cứu là rất lớn, do các nhà nghiên cứu liên tục tìm kiếm các phương pháp mới để thu thập dữ liệu khoa học. Ngoài camera, các thiết bị thủy âm tích cực là những công cụ phổ biến nhất được sử dụng để nghiên cứu cá trong nghiên cứu nuôi trồng thủy sản.

Ứng dụng thường xuyên nhất của công nghệ này là việc sử dụng máy đo tiếng vọng (sonar) để thu được các hình ảnh siêu âm mô tả sự phân bố theo chiều dọc của cá và mật độ đàn cá trong lồng nuôi, đó là các biến số của vật nuôi có thể được sử dụng để định lượng phản xạ sinh học của cá đối với một số biện pháp xử lý. Các thiết bị thủy âm tiên tiến hơn đã được sử dụng trong các phân khúc công nghiệp biển khác và có thể thu được các biến động vật bổ sung từ quần thể cá nuôi trong lồng. Ví dụ, các bộ sonar đơn tia có thể ước tính tốc độ và hướng bơi của từng con cá trong chùm sóng sonar của chúng, trong khi hệ thống sonar đa tia có thể tạo ra dữ liệu về sự phân bố 3D và chuyển động của cá.

Ngoài ra, các hệ thống dựa trên sóng siêu âm có thể được sử dụng để đánh giá kích cỡ từng con cá riêng lẻ, vì có thể thiết lập mối quan hệ giữa sức mạnh của con cá mục tiêu và khối lượng hoặc chiều dài của nó. Microphone thụ động cũng đã được sử dụng để cung cấp thông tin về các biến số của vật nuôi liên quan đến hành vi của một số loài cá bao gồm cả các loài thuộc họ cá hồi bằng cách ghi lại âm thanh do cá phát ra hoặc tạo ra. Xem xét rằng các thiết bị thủy âm (không giống như camera) không phụ thuộc vào điều kiện về tầm nhìn, nhóm công nghệ này có thể cung cấp nền tảng hữu ích cho các phương pháp PFF được thiết kế để thu nhận các biến số của động vật liên quan đến hành vi cho các quần thể cá nuôi.

Mặc dù quy mô quần thể đáng kể là đặc trưng trong nuôi cá hiện đại, các chỉ số về hành vi của từng cá thể cá có thể chứng tỏ tầm quan trọng không kém so với các biến số động vật cấp quần thể hoặc cấp nhóm. Đo cá từ xa bằng âm thanh là một phương pháp viễn thám, trong đó các cá thể cá được gắn máy phát điện tử có chứa các cảm biến đo một số đặc tính bên trong hoặc ở gần cá và truyền không dây các liệu thô hoặc đã xử lý đến các bộ thu cố định đặt chìm trong nước bằng tín hiệu âm thanh (tức là sóng âm). Công nghệ này được sử dụng rộng rãi cho nghiên cứu cá tự nhiên nhưng cũng đang được sử dụng ngày càng nhiều trong các nghiên cứu liên quan đến cá nuôi. Các biến số của động vật được quan sát bằng cách sử dụng công nghệ này trong môi trường nuôi bao gồm chuyển động sâu của cá thể, vị trí 3D, mức độ hoạt động bơi lội, mức độ hoạt động của cơ và tốc độ hô hấp hoặc lượng thức ăn đã được cá ăn.

Hoạt động nuôi trồng trên biển phụ thuộc vào điều kiện tự nhiên tại địa điểm nuôi, vì cá nuôi trong lồng biển phải chịu tác động lớn của môi trường xung quanh (ví dụ: thời tiết, dòng nước, trạng thái biển, nhiệt độ, độ bão hòa oxy, mức độ ánh sáng và chất ô nhiễm). Vì nhiều yếu tố trong số đó ảnh hưởng đến sự tăng trưởng, phát triển và phúc lợi của cá nên dữ liệu về môi trường xung quanh rất quan trọng khi lựa chọn địa điểm nuôi cá. Hơn nữa, người nuôi ngày càng muốn giám sát chặt điều kiện tại địa điểm nuôi trong quá trình sản xuất, vì thông tin này có thể được sử dụng làm nền tảng để đưa ra quyết định quản lý trang trại, chẳng hạn như tránh thao tác lưới khi dòng chảy mạnh hoặc giảm lượng thức ăn khi nhiệt độ giảm.

Hoạt động nuôi lồng bè trên biển phụ thuộc vào các điều kiện tự nhiên tại địa điểm nuôi, vì cá nuôi trong lồng biển phải tiếp xúc với các điều kiện chịu ảnh hưởng mạnh mẽ của môi trường xung quanh (ví dụ: thời tiết, dòng nước, trạng thái biển, nhiệt độ, độ bão hòa oxy, mức độ ánh sáng và chất ô nhiễm) có thể ảnh hưởng đến sự tăng trưởng, phát triển và phúc lợi của cá. Ảnh: Asc1733 [CC BY-SA 4.0].
Hoạt động nuôi lồng bè trên biển phụ thuộc vào các điều kiện tự nhiên tại địa điểm nuôi, vì cá nuôi trong lồng biển phải tiếp xúc với các điều kiện chịu ảnh hưởng mạnh mẽ của môi trường xung quanh (ví dụ: thời tiết, dòng nước, trạng thái biển, nhiệt độ, độ bão hòa oxy, mức độ ánh sáng và chất ô nhiễm) có thể ảnh hưởng đến sự tăng trưởng, phát triển và phúc lợi của cá. Ảnh: Asc1733 [CC BY-SA 4.0].
Các dữ liệu đó sẽ bổ trợ rất hữu ích cho việc tinh chỉnh các phương pháp PFF, vì thông thường cần phải xem xét một biến số động vật quan sát được với các điều kiện môi trường hiện tại để thu được các biến đặc trưng mong muốn. Ví dụ, nhiệt độ và ánh sáng ảnh hưởng mạnh đến chuyển động thẳng đứng của cá. Đánh giá mức độ của các yếu tố này là rất quan trọng khi tìm kiếm các biến đặc trưng dựa trên chuyển động theo chiều sâu, chẳng hạn như phản ứng với các sự kiện cho ăn.

Kiểu cảm biến Đặc tính cảm biến Các biến số vật nuôi Mức thông tin Phạm vi thụ cảm
Sonar Chùm tia đơn Phân bố sinh khối theo độ sâu trong chùm tia Nhóm 1-200 m
Chùm tia đơn tách Phân bố sinh khối theo độ sâu Nhóm quanh 1 cá thể 1-200 m
Động lực học di chuyển (vị trí, tốc độ) trong phạm vi chum tia
Chùm nhiều tia Phân bố sinh khối theo độ sâu Nhóm 1-200 m
Động lực học di chuyển (vị trí, tốc độ) trong phạm vi toàn lồng nuôi
Nhận diện hạt thức ăn
Đo thủy âm từ xa Cá thể cá có gắn thẻ Thí dụ: độ sâu, vị trí, gia tốc và định hướng không gian Lịch sử cá thể 0-1000 m
Đầu do thủy âm thụ động Hydrophone Thanh âm phát ra từ đàn cá, thanh âm tổng thể Nhóm 0-50 m
Camera Camera bề mặt Các hoạt động trên mặt nước Nhóm 0,5-30 m
Camera cung cấp thức ăn ngầm Đếm số rận biển Nhóm quanh 1 cá thể 0,5-25 m
Đặc tính bề mặt da cá (vết thương, trầy xước)
Đặc điểm hành vi (thí dụ: kiểu bơi đồng nhất hay hỗn loạn; hành vi bình thường hay bất thường)
Xác định loài
Camera stereo ngầm Đếm số rận biển Đặc tính bề mặt da cá (vết thương, trầy xước) Nhóm quanh 1 cá thể 0,5-25 m
Đặc điểm hành vi (vd: kiểu bơi đồng nhất hay hỗn loạn; hành vi bình thường hay bất thường)
Xác định loài
Tốc độ bơi và hướng bơi
Ước tính cỡ cá
Camera ghi hình siêu phổ Đặc tính phổ cuả da cá Nhóm quanh 1 cá thể 0,5-25 m
Phát hiện và đếm số rận biển
Camera ghi hình đa phổ Đặc tính phổ cuả da cá Nhóm quanh 1 cá thể 0,5-25 m
Phát hiện và tính số rận biển

Bảng 1. Các hệ thống cảm biến và phương pháp giám sát thường được sử dụng để quan sát các biến số động vật trong ngành công nghiệp NTTS cũng như trong nghiên cứu, và một số tính chất của các hệ thống này.

Hình 2: Minh họa về cách 4 hệ thống với các nguyên tắc giám sát khác nhau có thể được triển khai trong một lồng nuôi thương mại để quan sát cá. Trong khi camera bề mặt (1), camera ngầm video âm thanh nổi (2) và hệ thống sonar (3) tạo ra dữ liệu về cá trong một khối lượng nhỏ trong lồng (được phân cách bằng các đường đứt nét cho mỗi hệ thống), thì hệ thống đo âm thanh từ xa (4) có thể thu thập dữ liệu về từng con cá mang thiết bị phát âm thanh bất kể vị trí của chúng trong lồng.
Hình 2: Minh họa về cách 4 hệ thống với các nguyên tắc giám sát khác nhau có thể được triển khai trong một lồng nuôi thương mại để quan sát cá. Trong khi camera bề mặt (1), camera ngầm video âm thanh nổi (2) và hệ thống sonar (3) tạo ra dữ liệu về cá trong một khối lượng nhỏ trong lồng (được phân cách bằng các đường đứt nét cho mỗi hệ thống), thì hệ thống đo âm thanh từ xa (4) có thể thu thập dữ liệu về từng con cá mang thiết bị phát âm thanh bất kể vị trí của chúng trong lồng.

Bảng 1 tóm tắt một số cảm biến và phương pháp giám sát phổ biến nhất hiện đang được sử dụng để quan sát cá hồi trong lồng nuôi biển, bao gồm cả các hệ thống và giải pháp ứng dụng công nghiệp chủ yếu được sử dụng trong nghiên cứu. Hình 2 minh họa cách lựa chọn các hệ thống sẽ được áp dụng trong lồng nuôi thương mại.

Nhận định: Các biến đặc trưng từ các biến số động vật

Trong ngành công nghiệp nuôi cá, việc lý giải các quan sát vật nuôi chủ yếu được tiến hành bởi từng người nuôi dựa trên kinh nghiệm cá nhân. Mặc dù đang có những đổi mới mong muốn tự động hóa quá trình này (ví dụ: các hệ thống cho ăn từ xa tổng hợp và trình bày dữ liệu có liên quan từ các nguồn khác nhau), nền tảng công nghiệp hiện có để tự động lý giải các biến số đặc trưng vẫn ít được thiết lập hơn nhiều so với việc thu thập các biến số động vật. Tuy nhiên, điều này cũng có nghĩa là tiềm năng để phát triển các phương pháp PFF mới trong lĩnh vực này là rất đáng kể. Khi sản lượng từ ngành công nghiệp nuôi cá lồng bè tăng lên, thì phạm vi của nghiên cứu nhằm hiểu rõ hơn về các quá trình xảy ra trong các quần thể nuôi cũng tăng lên. Do đó, kiến ​​thức tổng hợp về các cơ chế phụ và quy trình sinh học khác nhau xảy ra trong các lồng nuôi biển thương mại đang được mở rộng nhanh chóng.

Tuy nhiên, trước khi có thể sử dụng các kiến thức này để hỗ trợ quyết định ở cấp độ lồng nuôi, nó cần được cấu trúc để cung cấp thông tin liên quan đến các quá trình xảy ra trong lồng. Mô hình toán học về động lực học hệ thống là công cụ thường được sử dụng để suy luận, cấu trúc và tổng hợp kiến ​​thức bằng cách tổng hợp thông tin từ các hệ thống con khác nhau thành một biểu diễn hệ thống hoàn chỉnh. Mô hình toán học của mỗi hệ thống động thường có thể dự đoán cách mà hệ thống sẽ đáp ứng một tập hợp các yếu tố đầu vào cụ thể và có thể ước tính các đặc điểm của hệ thống khó hoặc không thể đo lường trực tiếp. Trong nghiên cứu nuôi trồng thủy sản, các mô hình toán học tồn tại để ước tính tốc độ tăng trưởng và hành vi của cá. Những mô hình như vậy là những ứng viên tốt làm nền tảng cho các phương pháp PFF nhằm nhận định, vì chúng có thể dự đoán hoặc ước tính các đặc tính của cá dựa trên các đầu vào đo được.

Những đầu vào này thường bao gồm nhiều loại dữ liệu bổ trợ khác nhau (ví dụ: thông số môi trường, lịch trình phân phối thức ăn và cho ăn) cần thiết để thúc đẩy động lực học mô hình nhưng cũng có thể bao gồm các biến số động vật đo được, và sau đó mô hình có thể chuyển đổi thành các biến đặc trưng hữu ích hơn cho việc hỗ trợ quyết định. Ví dụ, một nghiên cứu gần đây đã tìm cách ước tính năng suất kinh tế của hoạt động sản xuất bằng cách kết hợp mô hình tăng trưởng cá tráp biển với nhiệt độ làm đầu vào, mô phỏng các kế hoạch và chiến lược bán hàng. Một ví dụ khác có thể là sử dụng mô hình toán học để ước tính các biến số đặc trưng như hoạt động tìm mồi của cá, phân bố chất thải trong nước hoặc tốc độ bơi của cá theo phương thẳng đứng dựa trên các biến số động vật như phân bố theo chiều dọc thu được với một máy đo tiếng vọng làm đầu vào.

Cũng có các mô hình toán học đại diện cho các yếu tố của môi trường trong các đơn vị sản xuất, bao gồm các chủ đề như phân phối thức ăn theo không gian và thời gian trong lồng nuôi biển. Nếu được cung cấp đủ dữ liệu đầu vào tốt, các mô hình như vậy có thể ước tính các biến đặc tính không liên quan trực tiếp đến cá mà là với môi trường sản xuất.

Việc sử dụng các mô hình toán học để ước tính các trạng thái không quan sát được trong các hệ thống phức tạp đã có lịch sử lâu đời trong kỹ thuật điều khiển, và được thực hiện bằng cách đưa mô hình toán học vào cấu trúc chủ thể quan sát, dựa trên phương pháp thống kê hoặc bằng cách sử dụng phương pháp quan sát phi tuyến tính. Các ứng dụng như vậy cho phép kết hợp kiến thức hiện có (thông qua mô hình toán học) với dữ liệu thời gian thực từ các cảm biến để cung cấp các ước tính tốt hơn so với khả năng có thể thu được chỉ với cảm biến hoặc mô hình.

Nuôi cá lồng là quá trình chủ yếu là sinh học, nên việc trực tiếp đo lường các trạng thái và quá trình khác nhau khó hơn so với các ngành công nghiệp thiên về kỹ thuật. Vì lý do này, việc sử dụng rộng rãi các công cụ ước tính dựa trên các mô hình toán học sẽ có thể là thành phần cần thiết khi tính toán các phương pháp PFF trong tương lai, vì canh tác chính xác sẽ đòi hỏi một nền tảng thông tin tốt hơn so với các phương pháp giám sát hiện tại.

Việc cho ăn tự động đã được thiết lập trong nuôi lồng các loại cá khác nhau như cá tráp biển và cá hồi. Tuy nhiên, khi các hoạt động nuôi cá được chuyển đến các khu vực xa xôi và hẻo lánh hơn, sự tiếp cận hạn chế của con người sẽ làm tăng nhu cầu tự chủ trong các nhiệm vụ cốt lõi như cho cá ăn. Ảnh của Darryl Jory.
Việc cho ăn tự động đã được thiết lập trong nuôi lồng các loại cá khác nhau như cá tráp biển và cá hồi. Tuy nhiên, khi các hoạt động nuôi cá được chuyển đến các khu vực xa xôi và hẻo lánh hơn, sự tiếp cận hạn chế của con người sẽ làm tăng nhu cầu tự chủ trong các nhiệm vụ cốt lõi như cho cá ăn. Ảnh của Darryl Jory.

Quyết định: Các biến mục tiêu từ các biến đặc điểm

Tất cả các quyết định quan trọng trong NTTSngày nay đều do con người thực hiện dựa trên việc nhận định các quan sát về cá và các quy trình nuôi lồng khác dựa trên kinh nghiệm cá nhân, và việc sử dụng các quy định, luật pháp và khuyến nghị về quản lý trang trại. Điều này có thể sẽ vẫn diễn ra trong tương lai gần đối với các hoạt động nuôi cá, vì đưa ra quyết định “đúng” là một nhiệm vụ phức tạp, khó giao cho các hệ thống máy tính mà không có nguy cơ xảy ra các tác dụng phụ khó lường trước và không mong muốn (ví dụ: cho ăn dưới mức tối ưu do dữ liệu hạn chế về phản xạ của cá). Tuy nhiên, khi các hoạt động nuôi cá được chuyển đến các khu vực có độ phơi mở lớn hơn và xa xôi hơn, thì sự có mặt hạn chế của con người sẽ làm tăng nhu cầu tự chủ trong các nhiệm vụ cốt lõi như cho ăn.

Sự có mặt hạn chế của con người cũng có nghĩa là các quá trình ra quyết định ít nhất phải được tự động hóa một phần. Mặc dù hiện nay chưa có hệ thống hỗ trợ ra quyết định hoặc tự động ra quyết định nào trong ngành nuôi trồng thủy sản, nhưng những tiến bộ về trí tuệ nhân tạo và công nghệ thông tin đã dẫn đến sự phát triển của Hệ thống Hỗ trợ Quyết định (Decision Support Systems – DSS). DSS là một công cụ máy tính thiết lập cho một tình huống hoặc vấn đề nhất định, kết hợp đầu vào (ví dụ: từ cảm biến hoặc mô hình toán học) và kinh nghiệm của người dùng trước đây (tức là từ các tình huống hoặc vấn đề tương tự đã trải qua trước đó) thành các giá trị đầu ra phức hợp. Phương pháp DSS được sử dụng trong một số ngành công nghiệp, bao gồm dầu khí, tài chính và y học.

Trong quá khứ, nhiều hoạt động dưới nước tại các trại cá được thực hiện bởi các thợ lặn. Ngày nay, việc sử dụng các phương tiện điều khiển từ xa cho các nhiệm vụ như vậy đã trở nên phổ biến, giúp giảm đáng kể nguy cơ thương tích cá nhân. Ảnh của Phòng thí nghiệm Sức đẩy Phản lực, Pasadena, California.
Trong quá khứ, nhiều hoạt động dưới nước tại các trại cá được thực hiện bởi các thợ lặn. Ngày nay, việc sử dụng các phương tiện điều khiển từ xa cho các nhiệm vụ như vậy đã trở nên phổ biến, giúp giảm đáng kể nguy cơ thương tích cá nhân. Ảnh của Phòng thí nghiệm Sức đẩy Phản lực, Pasadena, California.

Một ví dụ về nghiên cứu mong muốn đi theo hướng DSS để nuôi cá là ý tưởng sử dụng cá làm công cụ cảnh báo sinh học để giám sát an toàn thủy sản. Cá sẽ được theo dõi trực tuyến bằng các phương tiện công nghệ (ví dụ như thị giác máy tính) để phát hiện các hành vi hoặc phản ứng không điển hình ở chúng, báo hiệu rằng động vật bị ảnh hưởng bởi các tác động bên ngoài, có thể do sự hiện diện của các chất độc hại.

Hành động: Điều hành hệ thống và tạo ra các phản ứng sinh học mong muốn

Hầu hết các hành động kích hoạt phản xạ sinh học tại các trang trại nuôi cá đều được kiểm soát thủ công, thường gồm việc vận hành bằng tay các thiết bị cơ khí (ví dụ: tời, cần trục, lưới quây và dây giềng). Nhiệm vụ chuyển đổi một quyết định cụ thể thành các tín hiệu điều khiển hoặc các hành động vật lý tạo ra phản xạ mong muốn được giao cho người điều hành. Một ngoại lệ là hệ thống cho ăn tập trung tại hầu hết các trang trại nuôi cá thương mại. Các hệ thống này được thiết kế để chuyển đổi mức quyết định đầu vào như tỷ lệ cho ăn cụ thể của từng lồng nuôi và lịch trình thời gian cho ăn thành tín hiệu điện (ví dụ: tần số quạt, tốc độ mở van cấp và bộ chọn ống cấp) cần thiết cho quá trình cấp thức ăn để đạt được phản xạ hệ thống mong muốn.

Trước kia, hầu hết các hoạt động ngầm tại các trại cá đều do thợ lặn thực hiện. Ngày nay, việc sử dụng các phương tiện điều khiển từ xa (ROV) cho các nhiệm vụ ấy đã trở nên phổ biến, giúp giảm đáng kể nguy cơ thương tích cho nhân viên. Mặc dù ROV thường được điều khiển bởi con người, nhưng nghiên cứu gần đây đã chứng minh khả năng sử dụng các phương pháp định vị âm học và hệ thống quan sát dựa trên máy tính để cải thiện khả năng điều hướng của ROV ở trong và xung quanh lồng, tăng độ chính xác cho các hoạt động. Việc sử dụng loại công nghệ này cũng có thể được mở rộng cho các Phương tiện Tự hành Ngầm (AUV) di động không có sự can thiệp của con người, và chúng có thể tự động tiến hành sửa chữa nhỏ và các nhiệm vụ ngầm dưới nước khác. AUV đã được sử dụng cho các mục đích khác nhau trong các ngành, như khảo sát thủy văn, kiểm tra và khảo sát cho các ứng dụng dầu khí, kiểm tra thân tàu và các ứng dụng quân sự.

Cá nhụ (Polydactylus sexfilis) quay tròn theo kiểu cho ăn bên trong lồng nuôi ở Hawaii. Thư viện ảnh NOAA.
Cá nhụ (Polydactylus sexfilis) quay tròn theo kiểu cho ăn bên trong lồng nuôi ở Hawaii. Thư viện ảnh NOAA.

Các ứng dụng PFF khép kín

Hiện tại, không có ví dụ nào về các hệ thống có thể được gắn nhãn hiệu ứng dụng PFF khép kín trong trang trại nuôi cá biển, bao gồm cả từ quan sát các biến số của động vật đến hành động để tạo ra phản xạ sinh học ở cá. Tuy nhiên, khi trình độ công nghệ chung trên thế giới tăng lên, các thiết bị thương mại sẵn có cho ngành nuôi cá cũng trở nên tiên tiến hơn về mặt kỹ thuật và có khả năng xử lý các công việc phức tạp hơn tốt hơn. Ví dụ, các thiết bị như khung sinh khối có thể được thiết lập để bao gồm cả các giai đoạn quan sát và nhận định trong chu kỳ nuôi (Hình 1), khi chúng quét cá bằng phương pháp quang học, ước tính khối lượng riêng dựa trên dữ liệu quét và sau đó ước tính phân bổ khối lượng dựa trên những số liệu ấy. Có một số ít ví dụ về các giải pháp tìm cách bao gồm các giai đoạn quyết định và hành động, nhưng chúng thường đòi hỏi sự can thiệp của con người.

Tuy nhiên, có những ví dụ về những sáng kiến ​​như vậy trong nghiên cứu về sản xuất thức ăn sống, trong đó các phương pháp điều khiển học khác nhau (tức là mô hình toán học, công nghệ cảm biến và điều khiển tự động) đã được áp dụng thành công để tự động kiểm soát tốc độ tăng trưởng cho ăn và nuôi cấy. Mặc dù phân khúc công nghiệp này khác rất nhiều so với nuôi cá lồng cả về quy mô và cơ sở vật chất, nhưng cả hai đều tập trung vào việc nuôi thủy sản sống và nếu các phương pháp này có thể phát triển để sản xuất thức ăn tươi sống, thì các cách tiếp cận tương tự có thể áp dụng cho trang trại nuôi cá. Tiềm năng này thậm chí còn lớn hơn đối với sản xuất cá trên cạn trong các bể trên bờ, nơi khả năng kiểm soát các khía cạnh cốt lõi của môi trường sản xuất (ví dụ: nhiệt độ, ôxy, dòng chảy) cao hơn đáng kể so với sản xuất dựa trên lồng bè.

Các thách thức đối với công nghiệp hóa

Nhiều nguyên tắc công nghệ có tiềm năng trong các ứng dụng PFF công nghiệp hiện đã được sử dụng trong ở các ngành khác, và một số nguyên tắc cũng được sử dụng trong NTTS. Tuy nhiên, trong số đó nhiều ứng dụng vẫn vướng những thách thức kỹ thuật cụ thể liên quan đến môi trường dưới nước, các đặc tính liên quan cảm biến đã chọn hoặc hạn chế của giao thức truyền thông sử dụng trong môi trường nuôi cá. Cần khắc phục các trở ngại này mới có thể ứng dụng thương mại trong NTTS. Giải pháp tiềm năng để khắc phục các trở ngại đó là triển khai tính năng mới, điều chỉnh cài đặt hệ thống, bố trí thiết bị tinh xác hơn(Bảng 2).

Nguyên tắc công nghệ Ứng dụng công nghiệp hiện nay Trở ngại chính để áp dụng cho công nghiệp nuôi thủy sản Đề xuất giải pháp khắc phục
Sonar Khảo sát địa chấn, đánh giá trữ lượng thủy sản Khó nắm bắt được chi tiết hành vi trong một đàn cá lớn Sử dụng âm tần cao hơn để có độ phân giải không gian nét hơn
Bộ dữ liệu phức tạp có thể khó nhìn trong một số trường hợp Phát triển các phương thức trực quan hóa tùy chỉnh được cho từng loại ứng dụng (vd: cho ăn)
Đo thủy âm từ xa có gắn thẻ Bảo tồn nguồn lợi cá và nghiên cứu hệ sinh thái trong các đập thủy điện Thực hiện phẫu thuật để gắn thẻ khá phức tạp và tốn thời gian Sử dụng các phương pháp gắn thẻ hiệu quả và đơn giản hơn (vd: dùng vi thẻ hoặc thẻ nuốt qua đường miệng)
Băng thông của các kênh truyền âm thanh quá thấp Cải tiến các giao thức truyền thông dựa trên chip / tín hiệu quét và các nguyên tắc TDMA
Khó bảo đảm là cá được gắn thẻ đại diện cho quần thể Tăng tỷ lệ cá được theo dõi thông qua phương thức gắn thẻ hiệu quả hơn và tăng băng thông
Đo thủy âm thụ động Sản xuất gia súc Hiểu biết về mối quan hệ giữa âm thanh ghi được và các biến của cá nuôi còn hạn chế Giám sát dài hạn song song với các hệ thống khác để tạo ra kiến thức mới
Thị giác máy tính Y học, tự động hóa, chế tạo và sản xuất hàng loạt Độ nhiễu cao do các hạt thức ăn hay các vụn bẩn tạo ra trong quá trình làm sạch lưới Chọn vị trí đặt camera thích hợp trong các hoạt động cho ăn/làm sạch lưới
Điều kiện chiếu sáng không tối ưu về mùa đông hoặc ban đêm Cá không nhìn thấy tia cực tím
Thiết bị điều khiển từ xa hay thiết bị tự hành (ROV/AUV) Dầu khí, đóng tàu, quân sự Rủi ro thiết bị va vào cấu trúc lồng hoặc cá khi vận hành trong lồng nuôi Trang bị các phương tiện điều hướng dựa trên thị giác máy/âm thanh, cung cấp đầu vào để hệ thống lập trình thích ứng
Rủi ro về phản xạ của cá đối với thiết bị Tích hợp tính năng của hệ thống điều khiển cho phép phương tiện thích ứng với phản ứng của cá
Quan sát viên (lọc Kalman, quan sát phi tuyến) Tàu GNC, dầu khí, tự động hóa Số liệu của cảm biến không đủ độ tin cậy và chất lượng Sử dụng nhiều cảm biến và tỷ lệ lấy mẫu cao hơn lý thuyết
Thiếu mô hình toán học cơ chế của sinh động học Sử dụng nguyên tắc xác định hệ thống tìm quan hệ đầu vào/đầu ra
Các hệ thông hỗ trợ ra quyết định (DSS) Dầu khí, tài chính, y học Số liệu của cảm biến không đủ độ tin cậy và chất lượng Tăng độ mạnh mẽ của các thiết bị và kênh liên lạc để có thể ngâm lâu hơn trong nước biển
Khó có được mô tả chi tiết về kinh nghiệm người dùng Đưa quy trình đăng ký siêu dữ liệu có hệ thống trong quá trình vận hành trang trại

Bảng 2. Các nguyên tắc công nghệ được áp dụng ở quy mô công nghiệp trong các phân khúc khác và những thách thức chính khi đưa chúng áp dụng trong công nghiệp nuôi thủy sản.

Lời cảm ơn

Nghiên cứu này là kết quả của nỗ lực hợp tác chiến lược giữa các tổ chức tham gia và không được tài trợ thông qua các khoản tài trợ bên ngoài. Chúng tôi dành tặng công trình này cho cố Giáo sư Jens Glad Balchen (1926-2009), người đầu tiên đưa ra ý tưởng áp dụng các phương pháp điều khiển học để sản xuất và đánh bắt các sinh vật sống dưới nước.

PGS.TS. Martin Føre
PGS.TS. Martin Føre

PGS.TS. Martin Føre

  • Trường đại học Khoa học và Công nghệ Na Uy (NTNU)
  • Khoa Công nghệ Điều khiển học
  • 7491 Trondheim, Norway
  • Cộng tác viên
  • Viện SINTEF Ocean
  • 7465 Trondheim, Norway
  • Email: Martin.Fore@sintef.no

TS. Martin Føre

Nguyễn Hữu Dũng dịch

Nguồn: https://www.sciencedirect.com

Bài liên quan

Để lại bình luận

* Khi sử dụng form này, bạn đã đồng ý với việc để trang thu thập dữ liệu.

Trang sử dụng cookies để nâng cao trải nghiệm người dùng. Chúng tôi hy vọng điều này sẽ không làm phiền bạn. Chấp nhận Đọc thêm