Su ürünleri yetiştiriciliği operasyonlarındaki en büyük ve kapsamlı sorun kaynaklarından birisi olan alg patlamalarına karşı geliştirilen bir  uyarı sistemi, çiçeklenmeden kaynaklanan zararı minimize etmek için yapay zekadan güç alıyor.

Harmful Algae Blooms  yada Türkçesi Zararlı Alg Patlamaları (HAB’ler), yetiştiricilik sahalarının kurulu olduğu yerlerdeki hava ve su koşullarına bağlı olarak, belirli dönemlerde meydana gelen ve bölgede halihazırda yaşamını devam ettiren fitoplanktonların, çoğaldıkları bölgedeki yaşama zarar verebilecek kadar fazla çoğalması olarak ifade edilebilir. Kontrolsüzce çoğalan bu alg grubu genellikle balıkların solungaç sağlığıyla ve dolayısıyla da nefes alışverişleriyle  ilgili sorunlar çıkarabilir. Devamlı olarak artmakta olan deniz suyu sıcaklığı ve dünya genelindeki iklim değişikliği, alg patlamalarını küresel ölçekte, balıkçılık için bir sorun olarak tanımlamamıza neden oluyor. 2021 yılında HAB’ler nedeniyle hastalanan balıkları tedavi etmek ve  tek bir HAB’den kurtulmak için gerekli önlemlerin alınması için  gereken bedel yaklaşık  6 milyon idi.

Küresel ölçekte dünyanın farklı yerlerinde üretim yapan pek çok balık yetiştiriciliği HAB’lerin oluşumunu izlemek için su kalitesi örneklemeleri hala manuel olarak yapıyor ve mikroskobik analiz yöntemini kullanıyor, ancak balıkçılık sektöründe çalışan uzmanlar, teknolojiye daha fazla odaklanmanın düzenli, gerçek zamanlı veri toplama ve erken uyarı sistemlerinin geliştirilmesi için anahtar olabileceği konusunda uzun süredir hemfikir.

2021 yılından bu yana OTAQ Group, Kanada merkezli makine öğrenimi uzmanları Blue Lion Labs ile işbirliği yaparak  su ürünleri yetiştiriciliğinin bugününde var olan yarınında da daha büyük ve önemli bir sorun teşkil edecek olan bu zorlukla başa çıkacak ve sorunu doğrudan ele alacak bir teknoloji geliştirmek için çalışıyor. Bu işbirliği sonucunda Sustainable Aquaculture Innovation Center (SAIC), İskoçya’nın algılama, görüntüleme ve Nesnelerin İnterneti (IoT) teknolojileri için İnovasyon Merkezi (CENSIS) ve Aberdeen Üniversitesi’nin desteğiyle Live Plankton Analysis System (LPAS) oluşturuldu.

LPAS, halihazırda yaygın olarak kullanılan mevcut manuel analiz yöntemlere kıyasla, artan tutarlılık ve hızla, yetiştiricilik alanlarındaki sudan alınan örneklerdeki asılı duran potansiyel zararlı fitoplankton türlerini ve konsantrasyon seviyelerini otomatik olarak belirler. Sistem, yerinde bulunacak ve çalışacak şekilde tasarlanmış olup, kullanıcı tarafından belirlenen güvenli çalışma kriterlerinin aşılması durumunda operatörlere bildirimde bulunarak, kullanıcılara alan özgü önlem stratejisi ve eylemleri hakkında erken ve bilinçli kararlar almalarına olanak tanıyacak. Yani aslında, klasik bir “akıllı balık çiftliği” modelinin vazgeçilmez bir bileşeni olmaya aday.

LPAS, saha kullanımı göz önünde bulundurularak tasarlanmış olup, mevcut çiftlik işletme ekipleri tarafından da kullanılabilir ve iyi bağlantılı veya uzak tesislerde işlevsel olma ihtiyacını dikkate alıyor. 

LPAS çözümü, dört ana bileşenden oluşmaktadır:

  • Yapay Zeka (AI) motoru
  • Görüntüleme donanımı
  • Analiz ve kullanıcı arayüzü yazılımı
  • Bağlantı ve veri depolama

AI Motoru

Su örneklerinde fitoplanktonu hızla tespit etmek için LPAS, su organizmalarına odaklanan Kanada merkezli makine öğrenimi şirketi Blue Lion Labs tarafından geliştirilen bir yapay zeka motorunu kullanıyor. AI motoru, bir görüntü verildiğinde, zararlı fitoplanktonun hedef türlerini ve her bir tespit edilen türün miktarını belirler. OTAQ’nun analiz yazılımı tarafından bu miktarlar konsantrasyon seviyelerine dönüştürülür.

AI Motorunun Eğitimi

Bireysel fitoplankton türlerinin doğru tespitinde yüksek güven seviyeleri ve tutarlılık elde etmek için AI motorunun eğitiminde her bir hedef fitoplankton türünün birden fazla görüntüsü gerekmektedir. Ne kadar fazla görüntü olursa, doğruluk o kadar artar. Bu nedenle, OTAQ, ürünün piyasaya sürülmeden önce gerekli doğruluk düzeyine ulaşmak için Kanada ve İskoçya’daki ulusal laboratuvarlara başvurmuş ve İskoçya, İrlanda, Şili ve Avustralya’daki 40’tan fazla deneme ortağı deniz çiftliğine mikroskoplar yerleştirmiş, bu şekilde her bir tür için geniş bir görüntü veritabanı oluşturulmuştur. AI motoru sürekli bir gelişim modeli üzerinde çalışır ve mevcut ve yeni türlerin görüntüleri üzerinden öğrenmeye devam eder.

Görüntüleme Donanımı

Bu birim, laboratuvar kalitesinde bir mikroskop ile yüksek çözünürlüklü bir dijital kamerayı içeren ve AI motoru ve ilgili yazılım etrafında tasarlanmış yerel LPAS Bilgisayarıyla bağlantılıdır.

Bağımsız, güvenilir ve kolay kurulabilen ve kullanılabilen görüntüleme donanımı, operatörün yerel su örneklerinin dijital görüntülerini hızlı bir şekilde yakalayabilmesini ve bunları analiz yazılımına iletebilmesini sağlar.

Analiz ve Kullanıcı Arayüzü Yazılımı

AI motorundan gelen verileri kullanarak, yerel analiz yazılım programı ve kullanıcı arayüzü, belirli bir bölgede endişe duyulan belirli türlerin varlığına veya kabul edilebilir konsantrasyon seviyelerinin aşılmasına dayalı olarak operatörlere saha uyarıları oluşturur. Net bir trafik ışığı sistemi, site operatörlerine sorun olup olmadığını bildirir ve gerektiğinde daha ayrıntılı verileri inceleyebilmelerini sağlar. Tüm sonuçlar kaydedilir ve depolanır, böylece operatör, siteye göre zaman içinde trendleri kaydedebilir ve izleyebilir.

Bağlantı ve Veri Depolama

LPAS tarafından toplanan görüntüler ve sonuç verileri otomatik olarak yerel olarak depolanır ve ayrıca OTAQ buluta yüklenebilir.

LPAS ayrıca, site üzerinde mevcut internet bağlantısı seviyesine uyacak şekilde yapılandırılabilir. Yüksek hızlı internet bağlantısı varsa, yazılım tarafından üretilen bilgiler OTAQ bulut web sunucusuna yüklenir ve senkronize edilir. Bulut altyapısı, tesis verilerini merkezi olarak şifreli güvenlikle depolar ve müşteri tarafından herhangi bir konumdan güvenli bir şekilde erişilebilir. Bant genişliği düşük olan veya internet bağlantısı olmayan tesisler için, analiz yazılımı tarafından üretilen bilgiler yerel olarak depolanır ve ayrıca taşınabilir bir depolama cihazına kopyalanır. Müşteri isteği doğrultusunda, LPAS veri yüklemelerinin müşteri veritabanlarına doğrudan bağlantı kurmak için tesis veya şirket özel bir uygulama programlama arabirimi (API) oluşturulabilir.

Kalite Kontrolü ve Destek

LPAS sistemi, OTAQ ve Blue Lion Labs Biyoloji ve AI ekipleri tarafından desteklenmektedir. AI motorunun performansının iç kalite kontrolleri düzenli olarak yapılmakta ve sürekli müşteri desteği sağlanmaktadır.

LPAS, potansiyel HAB riskleri hakkında anında ve doğru bilgi toplamak için kolay ve güvenilir bir yöntem olarak dikkat çekiyor. Sistemin balık yetiştiricileri için güçlü bir araç olacağı ve etkiyi en aza indirmek için daha erken karar verme ve azaltma faaliyetlerine olanak sağlayacağı öngörülmektedir. LPAS, şu anda Beta test aşamasına hazırlanmakta ve 2023 yılında ticari olarak piyasaya sürülmesi planlanmaktadır.

Proje ile ilgili detaylı bilgi almak için buraya tıklayabilirsiniz.