طبق گزارش اداره ملی اقیانوسی و جوی، آبزی پروری در ایالات متحده یک صنعت 1.5 میلیارد دلاری در سال است. مانند کشاورزی مبتنی بر زمین، آبزی پروری صدف برای حفظ یک صنعت پایدار نیاز به تولید بذر سالم دارد. تولید هچر صدف لارو – بذر – در آبزی پروری به نظارت دقیق برای نظارت بر میزان مرگ و میر و ارزیابی سلامت از مراحل اولیه زندگی نیاز دارد.
نظارت دقیق برای اطلاع از برنامه ریزی تولید، تعیین اثرات باکتری های مضر طبیعی و اطمینان از تولید پایدار بذر مورد نیاز است. این یک مرحله ضروری برای جوجه کشی های صدف است، اما در حال حاضر یک فرآیند دستی زمان بر است که مستعد خطای انسانی است.
MIT Sea Grant با کمک مالی از آزمایشگاه MIT عبداللطیف جمیل برای سیستم های آب و غذا (J-WAFS) با استادیار Otto Cordero از گروه مهندسی عمران و محیط زیست MIT، پروفسور Taskin Padir و محقق مارک Zolotas از دانشگاه Northeastern همکاری می کند. مؤسسه رباتیک تجربی و سایرین در شرکت تحقیقاتی آبزی پروری (ARC) و اتحادیه ماهیگیران تجاری Cape Cod، برای پیشرفت فناوری برای صنعت آبزی پروری. ARC واقع در کیپ کاد، یک کارخانه جوجه کشی، مزرعه و عمده فروشی صدف پیشرو است که نقشی حیاتی در ارائه بذر صدف با کیفیت بالا به تولیدکنندگان محلی و منطقه ای ایفا می کند.
دو دانشجوی کارشناسی MIT در این ترم با همکاری رابرت وینسنت، دستیار مدیر خدمات مشاوره ای کمک هزینه دریایی MIT، از طریق برنامه فرصت های تحقیقاتی در مقطع کارشناسی (UROP) به این تلاش پیوستند.
دانشجوی سال اول Unyime Usua و Santiago Borrego دانش‌آموز دوم از تصاویر میکروسکوپی دانه‌های صدف از ARC برای آموزش الگوریتم‌های یادگیری ماشینی استفاده می‌کنند که به خودکار کردن فرآیند شناسایی و شمارش کمک می‌کند. هدف ابزار تشخیص تصویر کاربرپسند حاصل، کمک به آبزی پروران در تشخیص و شمارش لارو صدف سالم، ناسالم و مرده، بهبود دقت و کاهش زمان و تلاش است.
وینسنت توضیح می‌دهد که هوش مصنوعی ابزاری قدرتمند برای علوم محیطی است که محققان، مدیران صنعت و منابع را قادر می‌سازد تا چالش‌هایی را که مدت‌ها نقطه پایانی برای جمع‌آوری دقیق داده‌ها، تجزیه و تحلیل، پیش‌بینی و ساده‌سازی فرآیند بوده‌اند، برطرف کنند. او می‌گوید: «حمایت مالی از برنامه‌هایی مانند J-WAFS به ما این امکان را می‌دهد که با این مسائل مقابله کنیم.
ARC با کمّی‌سازی دستی طبقات لارو، که گام مهمی در فرآیند تولید بذر آنهاست، با چالش‌هایی مواجه است. شریل جیمز، مدیر تولید لارو/جوان در ARC توضیح می دهد: «زمانی که لاروها در مرحله رشد هستند، دائماً اندازه و شمارش می شوند. این فرآیند برای ترویج رشد مطلوب و تقویت جمعیت حیاتی است.»
توسعه یک سیستم شناسایی و شمارش خودکار به بهبود این مرحله در فرآیند تولید با مزایای زمان و هزینه کمک خواهد کرد. وینسنت می‌گوید: «این کار آسانی نیست، اما با راهنمایی دکتر زولوتاس از مؤسسه رباتیک تجربی دانشگاه نورث ایسترن و کار دانشجویان UROP، ما پیشرفت خوبی داشته‌ایم.»
برنامه UROP هم برای محققان و هم برای دانشجویان سودمند است. مشارکت دانش‌آموزان MIT UROP در توسعه این نوع سیستم‌ها، بینش‌هایی را درباره برنامه‌های هوش مصنوعی که ممکن است در نظر نگرفته باشند، فراهم می‌کند، و فرصت‌هایی را برای کاوش، یادگیری، و به کارگیری خود فراهم می‌کند و در عین حال در حل چالش‌های دنیای واقعی مشارکت می‌کند.
بورگو این پروژه را فرصتی برای به کارگیری آنچه در کلاس 6.390 (مقدمه ای بر یادگیری ماشین) آموخته بود، در یک مشکل دنیای واقعی دید. او می‌گوید: «من شروع به درک این موضوع کرده بودم که چگونه رایانه‌ها می‌توانند تصاویر را ببینند و اطلاعات را از آنها استخراج کنند. “من می خواستم به کاوش در این مورد ادامه دهم.”
Usua تصمیم گرفت پروژه را به دلیل تأثیر مستقیمی که در صنعت می تواند داشته باشد، ادامه دهد. من بسیار علاقه مند هستم که ببینم چگونه می توانیم از یادگیری ماشینی برای آسان کردن زندگی مردم استفاده کنیم. ما از هوش مصنوعی برای کمک به زیست شناسان برای تسهیل روند شمارش و شناسایی استفاده می کنیم. در حالی که اوسوآ قبل از شروع این پروژه با آبزی پروری آشنا نبود، او توضیح می دهد: “فقط شنیدن در مورد جوجه کشی هایی که دکتر وینسنت در مورد آنها به ما می گفت، مایه شرمساری بود که بسیاری از مردم نمی دانستند چه اتفاقی می افتد و مشکلات آنها” .
تنها در کیپ کد، آبزی پروری یک صنعت 18 میلیون دلاری در سال است. اما دپارتمان ماهیگیری دریایی ماساچوست تخمین می زند که جوجه کشی ها تنها می توانند سالانه 70 تا 80 درصد تقاضای بذر را برآورده کنند که بر تولیدکنندگان و اقتصادهای محلی تأثیر می گذارد. هدف شرکا از طریق این پروژه توسعه فناوری است که تولید بذر را افزایش می دهد، فرصت های صنعت را گسترش می دهد و به درک و بهبود میکروبیوم جوجه کشی کمک می کند.
Borrego چالش اولیه داده های شغلی محدود را توضیح می دهد. در ابتدا باید تمام داده‌ها را مرور می‌کردیم و برچسب‌گذاری می‌کردیم، اما گذراندن این فرآیند به من کمک کرد تا چیزهای زیادی یاد بگیرم، او نکات مهم خود را از این پروژه به اشتراک می‌گذارد: «سعی کنید از چیزی که هستید بهترین استفاده را ببرید.» با داده هایی که باید با آنها کار کنید ارائه می شود. شما باید بسته به آنچه دارید، استراتژی های خود را تطبیق دهید و تغییر دهید.
اوسوآ تجربه خود را از گذراندن فرآیند تحقیق، برقراری ارتباط به عنوان یک تیم و تصمیم گیری در مورد رویکردهایی که باید اتخاذ کند، توصیف می کند. “تحقیق یک فرآیند دشوار و طولانی است، اما شما می توانید از آن چیزهای زیادی به دست آورید زیرا به شما می آموزد که خودتان مسائل را جستجو کنید و راه حل های خود را برای مشکلات پیدا کنید.”
علاوه بر افزایش تولید بذر و کاهش نیروی انسانی مورد نیاز در فرآیند جوجه کشی، همکاران انتظار دارند که این پروژه به صرفه جویی در هزینه ها و یکپارچه سازی فناوری در حمایت از یکی از صنایعی که کمتر از آن استفاده می شود در ایالات متحده کمک کند.
Borrego و Usua قصد دارند کار خود را برای ترم دوم با کمک هزینه دریایی MIT ادامه دهند. Borrego علاقه مند است در مورد چگونگی استفاده از فناوری برای محافظت از محیط زیست و حیات وحش بیشتر بیاموزد. اوسوآ می گوید که امیدوار است پروژه های بیشتری را در رابطه با آبزی پروری کشف کند. “به نظر می رسد تعداد بی نهایت راه برای مقابله با این مشکلات وجود دارد.”
