Simple Science

La science de pointe expliquée simplement

# Génie électrique et science des systèmes# Vision par ordinateur et reconnaissance des formes# Intelligence artificielle# Apprentissage automatique# Robotique# Systèmes et contrôle# Systèmes et contrôle

Système d'alimentation intelligent pour le tilapia

Une approche technologique pour optimiser l'alimentation des poissons et améliorer la durabilité de l'aquaculture.

Rania Hossam, Ahmed Heakl, Walid Gomaa

― 6 min lire


Alimentation des poissonsAlimentation des poissonsà la techsystèmes d'alimentation intelligents.Révolutionner l'aquaculture avec des
Table des matières

L'élevage de poisson, c'est super courant à travers le monde. Mais, les méthodes traditionnelles pour nourrir les poissons peuvent souvent causer des soucis comme le gaspillage et une faible productivité. Dans cet article, on va parler d'un nouveau système qui utilise la technologie intelligente pour s'assurer que les Tilapias reçoivent exactement la bonne quantité de nourriture. Ça va aider à faire grandir des poissons en meilleure santé tout en protégeant l'environnement.

La nécessité de la précision dans l'alimentation des poissons

Gérer l'alimentation dans les fermes de poissons est important car ça peut représenter jusqu'à 40% des coûts totaux de production. Si on donne trop à manger au poisson, ça peut gâcher de la nourriture et polluer l'eau, ce qui nuit aux poissons et à l'environnement. En fournissant juste la bonne quantité de nutriments, ça peut rendre les fermes de poissons plus rentables et durables.

La solution : un système d'alimentation intelligent

Notre étude présente un système d'alimentation intelligent qui utilise des outils modernes comme la Vision par ordinateur et l'Internet des Objets (IoT) pour suivre et contrôler l'alimentation des tilapias. Ce système inclut des capteurs en temps réel pour vérifier la qualité de l'eau et une technologie avancée pour analyser la taille et le nombre de poissons, ce qui aide à décider de la bonne quantité de nourriture à donner.

Pour ça, on a développé une appli mobile qui permet aux utilisateurs de surveiller le bassin de poissons à distance. Elle se connecte à des capteurs pour récolter des données sur la qualité de l'eau et la taille des poissons. Grâce à une technique appelée YOLOv8, qui est super pour repérer des objets, on peut mesurer le poids des tilapias en fonction de leur longueur. Nos tests ont montré que ce système peut atteindre un taux de précision de 94% en utilisant un ensemble de 3 500 images de poissons.

Collecte et analyse des données

Pour obtenir des mesures précises, on a pris plein de photos de tilapias avec des caméras spéciales placées dans le bassin. On a identifié des points spécifiques sur les poissons, comme leur bouche et leur queue, pour aider à calculer leur taille plus précisément. Ces infos ont été collectées puis analysées avec le système YOLOv8 pour détecter les points clés sur le corps des poissons.

Une fois qu'on avait les mesures, on pouvait ajuster l'alimentation en fonction du poids des poissons. Ça veut dire qu'au lieu de donner une quantité fixe de nourriture, on pouvait adapter l'alimentation aux besoins des poissons, ce qui aide à réduire le gaspillage et à améliorer les taux de croissance.

Comment fonctionne le système IoT

Notre système intelligent est équipé de divers capteurs qui mesurent des choses comme le niveau de pH, les niveaux d'oxygène, et la température de l'eau. Ces données sont collectées par un petit ordinateur appelé microcontrôleur, qui traite les infos et les envoie à un serveur central.

Via ce serveur, les utilisateurs peuvent accéder aux infos à travers l'appli mobile, qui montre des données en temps réel sur les conditions de l'eau et le nombre de poissons dans le bassin. Les caméras installées dans le bassin prennent des images des poissons qui sont ensuite analysées pour donner un compte précis.

Ainsi, le système combine des données provenant de différentes sources pour déterminer combien de nourriture doit être distribuée dans le bassin. De cette façon, chaque poisson reçoit la bonne quantité de nourriture en fonction de sa taille, améliorant la santé globale des poissons et de la ferme.

Les avantages de l'alimentation intelligente

Utiliser cette méthode d'alimentation intelligente a plusieurs avantages. D'abord, en s'assurant que les poissons reçoivent la bonne quantité de nourriture, on peut augmenter leur croissance et productivité jusqu'à 58 fois par rapport aux méthodes traditionnelles. C'est incroyable pour ceux qui sont dans l'élevage de poissons.

Ensuite, en réduisant l'alimentation inutile, on peut minimiser le gaspillage et aider à garder l'eau propre et saine pour les poissons. C'est essentiel pour s'assurer que la ferme de poissons ne nuit pas à l'environnement autour.

Enfin, l'utilisation de la technologie simplifie le processus d'alimentation, permettant aux agriculteurs de gérer leurs opérations plus efficacement, même à distance. Ils peuvent surveiller les conditions et contrôler les horaires d'alimentation sans avoir besoin d'être présents tout le temps à la ferme. Ça mène à une meilleure prise de décision et finalement à une opération d'élevage de poissons plus réussie.

Défis et orientations futures

Bien que le système d'alimentation intelligent montre de grandes promesses, il y a aussi des défis à considérer. La plupart des tests ont été réalisés dans des environnements contrôlés avec une taille de poissons limitée. D'autres tests sont nécessaires avec différentes tailles de poissons et situations pour s'assurer que le système fonctionne dans divers contextes.

En plus, il y a d'autres facteurs environnementaux qui peuvent influencer la façon dont les poissons s'alimentent et grandissent, comme les changements de la qualité de l'eau. Incorporer ces mesures supplémentaires dans le système pourrait affiner encore plus la gestion de l'alimentation.

Enfin, même si notre système fonctionne bien pour les tilapias, le tester sur d'autres types de poissons augmenterait son utilité pour des contextes aquacoles plus larges. Élargir l'ensemble de données pour entraîner le système intelligent est important pour en faire un outil polyvalent pour différentes espèces de poissons.

Conclusion

En résumé, cette nouvelle approche pour nourrir les tilapias tire parti des avantages de la vision par ordinateur et de la technologie IoT. Elle propose une solution plus intelligente pour l'élevage de poissons qui minimise le gaspillage, protège l'environnement et maximise la croissance des poissons.

Avec le potentiel d'améliorations significatives en productivité, ce système peut changer la façon dont l'élevage de poissons se fait. Il aide non seulement les agriculteurs à mieux utiliser leurs ressources, mais aussi à garantir que les poissons soient en meilleure santé et que l'environnement reste protégé.

Cette solution innovante représente un grand pas en avant dans les pratiques aquacoles, ouvrant la voie à un avenir plus durable pour l'élevage de poissons.

Source originale

Titre: Precision Aquaculture: An Integrated Computer Vision and IoT Approach for Optimized Tilapia Feeding

Résumé: Traditional fish farming practices often lead to inefficient feeding, resulting in environmental issues and reduced productivity. We developed an innovative system combining computer vision and IoT technologies for precise Tilapia feeding. Our solution uses real-time IoT sensors to monitor water quality parameters and computer vision algorithms to analyze fish size and count, determining optimal feed amounts. A mobile app enables remote monitoring and control. We utilized YOLOv8 for keypoint detection to measure Tilapia weight from length, achieving \textbf{94\%} precision on 3,500 annotated images. Pixel-based measurements were converted to centimeters using depth estimation for accurate feeding calculations. Our method, with data collection mirroring inference conditions, significantly improved results. Preliminary estimates suggest this approach could increase production up to 58 times compared to traditional farms. Our models, code, and dataset are open-source~\footnote{The code, dataset, and models are available upon reasonable request.

Auteurs: Rania Hossam, Ahmed Heakl, Walid Gomaa

Dernière mise à jour: 2024-09-24 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2409.08695

Source PDF: https://arxiv.org/pdf/2409.08695

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires