Нейросеть подскажет российским рыбакам рыбные места
Центр системы мониторинга рыболовства и связи представил инновационную модель прогнозирования промысловой обстановки с использованием ИИ и математического моделирования.
Цифровизация промысла
Для эффективного промышленного лова рыбы очень важен точный прогноз промысловой обстановки. Это позволяет обоснованно предсказывать районы и время концентрации промысловых объектов, пути миграций, глубины эффективного лова, видовой состав и предполагаемый улов. Прогнозы помогают капитанам рыболовных судов направлять их на перспективные зоны скопления рыбы. Не менее важно, что прогноз промысловой обстановки помогает обосновывать стратегию и тактику рациональной эксплуатации промыслового запаса, тенденции изменений и допустимый вылов. Этот процесс регулируется Федеральным законом от 20.12.2004 №166-ФЗ «О рыболовстве и сохранении водных биологических ресурсов».
Подведомственный Росрыболовству Центр системы мониторинга рыболовства и связи (ЦСМС) в партнерстве с российскими научными и профильными ИТ-организациями разработал систему прогнозирования промысловой обстановки, основанную на математическом моделировании и технологии искусственного интеллекта.
Процесс тестирования системы в условиях реальной работы показал ее эффективность - специалисты обнаружили сардину иваси, которая, как считалось, ушла из традиционного региона добычи.
«Программа проанализировала возможные зоны скопления сардины иваси. За пределами российской экономической зоны нашли рыбу, направили туда промысловый флот. Эту систему планируем использовать и в дальнейшем, в том числе, для прогнозирования подходов других видов водных биоресурсов. Модель будет дорабатываться и совершенствоваться», — отметил руководитель Росрыболовства Илья Шестаков.
Анализ быстрее и эффективнее
Система основана на динамической модели среды обитания, которая обучается на больших массивах исторических данных.Для эффективного прогнозирования скоплений нейросеть получает и анализирует 11 параметров: океанографические (температура, соленость, уровень моря, течения), биологические (концентрация зоопланктона и хлорофилла), атмосферные (скорость и направление ветра, облачность), астрономические (фаза луны) и сейсмические (влияние землетрясений на поведение рыбы).
С помощью обученной модели строятся карты вероятностных зон, которые ежедневно отправляются капитанам рыболовецких судов для планирования промысла. Материалы могут сопоставляться с данными судовых наблюдений.
Важно отметить, что использование ИИ позволяет существенно сэкономить время для принятия решений. Например, для анализа 11 часов инфракрасного видео система тратит 5 часов, а человеку нужноне менее 7 дней.
Ключевая особенность системы - ее гибкость и обучаемость. Для каждого нового вида рыбы модель проходит этап обучения на исторических данных. Помимо иваси,модель адаптируется для минтая и скумбрии. В планах прогнозирование промысла сайры.
Добыча и сохранение
Рыбохозяйственный комплекс России выходит на новый уровень цифровизации как в работе промыслового флота, так и в предоставлении государственных услуг, связанных с управлением водными биоресурсами.
«Наша перспективная задача — это интеграция знаний экологов, ихтиологов, биологов со знаниями программистов и робототехников для того, чтобы автоматизировать полный цикл аквакультуры», — отметил директор Санкт-Петербургского федерального исследовательского центра РАН Андрей Ронжин.
ИИ-аналитика повышает эффективность управления биоресурсами и точность прогнозов для рыбной отрасли. Она помогает снижать затраты на процесс поиска рыбы, оптимизирует логистику и повышает вылов без чрезмерного воздействия на экосистему. Надзорные органы будут получать качественные аналитические отчёты для принятия эффективных решений и регулирования отрасли. После тестирования в России решение может стать экспортным продуктом для рыболовецких компаний и научных центров дружественных стран.
