Investigación

Proyecto

Acuicultura 4.0: Aplicación de tecnologías de visión e inteligencia artificial a la mejora del proceso productivo


Descripción:

 

La producción acuícola se enfrenta en la actualidad al reto de la digitalización de todo su proceso productivo para mejorar todas las fases por las que pasa la cría de animales, desde la inseminación para la creación de larvas hasta el seguimiento de la vida de cada animal que llega a los consumidores a través de las cadenas de distribución. Todo este proceso presenta una serie de retos de investigación y desarrollo que una vez resueltos permitirán disponer de un mejor producto para los clientes a un menor coste, no solo económico, sino también medio ambiental. 

Los procesos de producción acuícola están sujetos a un elevado grado de incertidumbre que, en última instancia, determina su productividad y su rentabilidad. La calidad y cantidad de alimentación, el manejo y las condiciones del entorno afectan profundamente a los animales criados -peces, moluscos o crustáceos-, repercutiendo en su salud y en su crecimiento. El control de todos estos factores es un objetivo largamente perseguido por las empresas de acuicultura desde hace décadas, y sin embargo difícil de alcanzar debido a la cantidad y al tipo de recursos necesarios y disponibles (personal, tiempo y tecnología).

El desarrollo y la implantación de la automatización de procesos como la alimentación, la estimación del tamaño, la toma de datos o la oxigenación se han generalizado en los últimos años en muchas instalaciones acuícolas, dando lugar a lo que se conoce como acuicultura 3.0. Pero el salto tecnológico definitivo hacia la acuicultura 4.0 depende de la incorporación de herramientas de inteligencia artificial que permitan a los instrumentos recoger, analizar e integrar la información disponible relativa a los cultivos para realizar diferentes actuaciones de forma autónoma, y aprender de los resultados obtenidos para la mejora continua de los procesos, sin intervención humana.

En este proyecto se propone contribuir en dos aspectos clave para la mejora del proceso productivo que han sido identificados a lo largo de los últimos años por las empresas del sector representadas en este proyecto a través de CETGA (Clúster de Acuicultura). Estos dos aspectos son:

  •  Proceso de crecimiento de los animales en los primeros días de vida. Desde la siembra de las larvas hasta el paso a tanques de gran tamaño, la mortalidad de los peces es elevada, así como la variabilidad en su crecimiento (tamaño y peso). Estos hechos influyen de forma crítica, entre otros, en los procesos de alimentación y paso a las siguientes etapas de crecimiento. En este sentido se considera crítico el análisis automático de la biomasa en los diferentes tanques para poder tomar decisiones sobre la alimentación y/o el paso a las siguientes etapas de crecimiento. Estos procesos se realizan actualmente de forma manual por parte de operarios con elevada experiencia, pero, a pesar de ello, están sometidos a errores importantes que es necesario minimizar. La estimación del tamaño y la biomasa total de los peces en los tanques de cultivo permitirá calcular tasas de crecimiento diarias, que podrán utilizarse para ajustar y mejorar las tablas de alimentación, integrando también otros parámetros como la edad de los peces, su movimiento, o las condiciones físico-químicas del agua. Asimismo, la estimación de la biomasa será de utilidad a la hora de tomar decisiones relativas a la clasificación por tamaños de los peces.

 

  • Análisis de posibles patologías. Durante el proceso de crecimiento es posible que algunos individuos tengan malformaciones o se encuentren infectados por algún parásito. La existencia de estos problemas se considera crítica para la planta porque puede ocasionar unas pérdidas elevadas si no se detecta de forma precoz. Hasta la fecha esta detección se realiza sacrificando algunos individuos o de forma manual, pero de nuevo está sujeta a multitud de errores. Además, durante el proceso de sacrificio de los animales, pueden generarse hematomas internos que son imposibles de detectar a simple vista y que provocan que algunos ejemplares lleguen al consumidor en condiciones no óptimas y que, por tanto, reduzcan el grado de satisfacción con el producto.

 

Aquaculture production is currently facing the challenge of digitalising its entire production process in order to improve all the stages of animal husbandry, from insemination for the creation of larvae to monitoring the life of each animal that reaches consumers through the distribution chains. This whole process presents a series of research and development challenges that, once solved, will make it possible to provide customers with a better product at a lower cost, not only economically but also environmentally.

 


Aquaculture production processes are subject to a high degree of uncertainty that ultimately determines their productivity and profitability. The quality and quantity of feed, management and environmental conditions profoundly affect the farmed animals - fish, molluscs or crustaceans - with repercussions on their health and growth. The control of all these factors is an objective long pursued by aquaculture enterprises for decades, yet difficult to achieve due to the amount and type of resources required and available (personnel, time and technology).

 


The development and implementation of automation of processes such as feeding, size estimation, data collection or oxygenation has become widespread in recent years in many aquaculture facilities, giving rise to what is known as aquaculture 3.0. But the definitive technological leap towards aquaculture 4.0 depends on the incorporation of artificial intelligence tools that allow the instruments to collect, analyse and integrate the available information on the crops to carry out different actions autonomously, and to learn from the results obtained for the continuous improvement of the processes, without human intervention.
This project proposes to contribute to two key aspects for the improvement of the production process that have been identified over the last few years by the companies in the sector represented in this project through CETGA (Aquaculture Cluster). These two aspects are:

  •  Growth process of the animals in the first days of life. From the time the larvae are hatched until they are transferred to large tanks, fish mortality is high, as is the variability in their growth (size and weight). These facts critically influence, among others, the feeding processes and the transition to the next growth stages. In this respect, the automatic analysis of the biomass in the different tanks is considered critical in order to be able to make decisions on feeding and/or the transition to the next growth stages. These processes are currently carried out manually by highly experienced operators, but are nevertheless subject to significant errors that need to be minimised. Estimating the size and total biomass of fish in the culture tanks will allow calculation of daily growth rates, which can be used to adjust and improve feeding tables, integrating also other parameters such as fish age, fish movement, physico-chemical conditions of the water. Biomass estimation will also be useful when making decisions on fish size classification.

 

  • Analysis of possible pathologies. During the growth process it is possible that some individuals may be malformed or infected by parasites. The existence of these problems is considered critical for the plant because it can cause high losses if not detected early. To date, this detection is carried out by culling some individuals or manually, but again it is subject to a multitude of errors. Furthermore, during the slaughtering process, internal bruising can occur which is impossible to detect with the naked eye and which means that some animals reach the consumer in sub-optimal conditions and, therefore, reduce the degree of satisfaction with the product

 

Convocatoria: https://www.subvenciones.gob.es/bdnstrans/GE/es/convocatoria/579529

 

Boe: https://www.boe.es/diario_boe/txt.php?id=BOE-B-2021-35907