为更深入了解人工智慧(AI)如何促进美国水产养殖发展,加州大学圣地牙哥分校、加州大学戴维斯分校以及华盛顿大学的一个科学家团队,将采用一套类似於超市条码扫描器的移动式摄影系统,拍摄白鲟的影像以判断其解剖特徵。此方法无需大量人工处理和潜在的鱼只麻醉,同时也能提高用於生产蛋白质和鱼子酱的鲟鱼的生产效率。
科学家们利用加州大学圣地牙哥分校圣地牙哥超级电脑中心(SDSC)的Expanse,创建先进的机器学习模型来分析这些图像,以越来越高的准确度区分雄性和雌性鱼类。
传统的性别监定方法,例如超音波检查,需要大量的人工操作、训练有素的人员和大量的劳动力,而新的系统则消除了鱼类的压力,提高了处理量,同时也降低了成本。
过去的研究表明,幼年鲟鱼的腹部解剖结构存在细微但可察觉的性别二态性。藉助高解析度成像和先进的模式识别技术,并在SDSC的Expanse系统的帮助下,研究人员希??能够完善和验证AI驱动的性别监定方法,使其成为水产养殖业一种可行、具成本效益且可扩展的解决方案。
该研究重点在於与加州鲟鱼生产商合作开发AI模型,以收集初步图像来训练模型,识别雄性和雌性鲟鱼之间细微的解剖差异,这些差异即使是专家肉眼也难以区分。
根据实际的成果,最初的AI模型仅达到76%的准确率,但现在已经达到了90%。目标是将数据集从几百张图像扩展到数万张包含更多杂讯的图像,从而在鱼龄三年之前更早地监定其性别,从而显着提高这个数字。
除了开发实用的解决方案外,研究团队还将全面回顾现有AI在水产养殖,特别是在性别监定方面的应用。透过创新的高解析度成像和详细的演算法分析方法,提供一种透明且科学严谨的方法论证明。