Somon Çiftliğinde Yapay Zeka Desteği

Somon Çiftliğinde Yapay Zeka projesi, Deneyime dayalı Somon Yetiştiriciliği ‘nden yapay zeka destekli somon yetiştiriciliğine geçişi sağlamak için makine öğrenimi ve matematiksel optimizasyon birleşiyor.

Somon Çiftliğinde Yapay Zeka Desteği

Sanayileşme seviyesi ve teknolojik ilerleme açısından tipik olarak modern su ürünleri yetiştiriciliğinin ön saflarında olduğu düşünülen somon yetiştiriciliği, önemli dinamikler ve karmaşıklıkla karakterize büyük ve kapsamlı bir denizcilik endüstrisi haline geldi.

Operasyonel planlama önemli miktarda verinin işlenmesini gerektirir. Balık popülasyonunu bireysel sayım, boyut, büyüme oranı, sağlık koşulları, çevresel koşullar, çalışma koşulları ve pazar ve lojistik koşulları ile tanımlayan veriler.

Somon Çiftliğinde Veri

Üretilen büyük miktarda veri, doğru şekilde bağlanır ve işlenirse yüksek bir potansiyel değerine sahiptir. Ancak, bu potansiyeli gerçekleştirmek için çok az araç mevcuttur. Aslında, kararlar tipik olarak içgüdüsel duygu ve deneyime dayalı akıl yürütmenin basit araçlar kullanılarak bir kombinasyonu kullanılarak alınır.

Spesifik olarak, somon yetiştiriciliği için kısa vadeli planlama ağırlıklı olarak elektronik tablolarda manuel olarak yapılır. Kararların karmaşıklığı, bu tür araçların üstesinden gelir ve üretimi etkileyen faktörlerin basitleştirilmesini zorlar.

Bu sorunun karmaşıklığı ve yüksek riskleri göz önüne alındığında, daha dinamik ve özel olarak tasarlanmış araçlar, etkinliği ve hassasiyeti önemli ölçüde artırma potansiyeline sahiptir. Mevcut COVID-19 krizi, ani ve öngörülemeyen olayların hasat kapasitesini, pazarları ve dağıtım kanallarını nasıl bozabileceğinin ve çiftçilerin üretimlerini yeniden planlamalarını gerektirdiğinin iyi bir örneğidir.

Mevcut araçları kullanarak yeniden planlama yapmak zaman alıcıdır ve hızlı tempolu ve hızla değişen somon yetiştiriciliği sürecindeki zaman kısıtlamaları nedeniyle potansiyel daha iyi planlama seçenekleri keşfedilmeden bırakılır.

Somon Yetiştiriciliğine Yapay Zekayla Giriş

Norveç Araştırma Konseyi tarafından finanse edilen ‘Su ürünleri yetiştiriciliği için optimum risk temelli karar verme’ başlıklı yeni bir projede, makine öğrenimini kullanarak tahmin modelleri oluşturmak için kullanılacak üretimden yüksek kaliteli veriler toplayacaklar. Bu tahminler daha sonra eylemler için belirli öneriler sağlamak üzere matematiksel bir optimizasyon modelinde kullanılacaktır.

Somon Çiftliğinde Matematiksel Optimizasyon

Matematiksel optimizasyon, makine öğreniminin daha az bilinen yapay zeka kuzenidir. Karmaşık bir gerçek dünya probleminin temel özelliklerinin bir optimizasyon modeli olarak yakalanmasını sağlar.

Bir optimizasyon modeli, mümkün olan en iyi sonucu üreten bir çözüm önermek için ilgili hedeflerden (iş hedefleri gibi), değişkenlerden ve iş kurallarından oluşur.

Makine öğrenimi gibi, matematiksel optimizasyon, daha gerçekçi ve ilgili optimizasyon modellerinin oluşturulmasına izin veren bilgi işlem hızındaki ilerlemelerden büyük ölçüde yararlanmıştır. Yeni araştırma projesi, matematiksel optimizasyona dayalı mevcut karar destek yazılımı Bioplan‘ı genişletecek ve makine öğrenimi yardımıyla oluşturulan kaliteli veriler ve tahminlerle onu güçlendirecek.

İlgili Makale: Makine Öğrenimi Nedir? Makine Öğrenimindeki Eğilimler

Yapay Zeka Disiplini ve Makine Öğrenimi

İki farklı yapay zeka disiplinini (makine öğrenimi ve matematiksel optimizasyon) birleştirmenin yeni yaklaşımı, balık çiftçilerinin hassas balık yetiştiriciliği uygulamalarını daha iyi takip etmelerine yardımcı olmak için kullanılacaktır. Yani, her bir balık grubunun benzersiz tarihsel ve gelecekteki performansına dayalı olarak her balık grubu hakkında benzersiz bir şekilde kararlar alabileceklerdir.

Somon Çiftliğinde Yapay Zeka projesi, her bir balık grubunun üretim döngüsünün son aşaması için karar verme sürecini desteklemeye odaklanmaktadır. Ortalama olarak, dünya genelinde her gün yaklaşık 7.000 metrik ton çiftlik somonu günlük 40 milyon € değerine yakın bir değerde hasat edilmektedir.

Çiftlik somonu, üretim döngüsünün son kısmına doğru en yüksek değerine ulaştığında, tipik olarak yaşlı balıklarda daha yaygın olan olası biyolojik sorunların bir sonucu olarak, olumsuz risk de artar.

Bu, çiftçileri verilere ve bilgiye dayalı kararlar almada hızlı bir şekilde destekleyebilecek bir aracın önemini artırır. Bu aşamadaki planlama, karmaşık çok faktörlü değerlendirmeyi içerir; burada, hassas tahminlerden elde edilen potansiyel kazanç her açıdan dikkate değerdir ve çiftçilerin bunu başarmasına yardımcı olacaktır.

Okumaya Devam Edin: Makine Öğrenimi MLOPS Optimize Etme