論文の概要: Feeding control and water quality monitoring in aquaculture systems:
Opportunities and challenges
- arxiv url: http://arxiv.org/abs/2306.09920v1
- Date: Wed, 14 Jun 2023 07:10:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 13:12:35.358399
- Title: Feeding control and water quality monitoring in aquaculture systems:
Opportunities and challenges
- Title（参考訳）: 養殖システムにおける摂水制御と水質モニタリング--機会と課題
- Authors: Fahad Aljehani, Ibrahima N'Doye, Taous-Meriem Laleg-Kirati
- Abstract要約: 水質のモニタリングと給餌の制御は、魚類の生産性のバランスと魚類の成長過程の形成の基本的な要素である。
現在、ほとんどの魚の養殖プロセスは異なる段階で手動で行われ、時間と挑戦的な人工的差別に依存している。
本稿では,養殖システムにおける魚の成長制御技術,すなわち動的養殖プロセスの給水・水質を最適化するアルゴリズムについて概説する。
- 参考スコア（独自算出の注目度）: 0.5156484100374059
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aquaculture systems can benefit from the recent development of advanced
control strategies to reduce operating costs and fish loss and increase growth
production efficiency, resulting in fish welfare and health. Monitoring the
water quality and controlling feeding are fundamental elements of balancing
fish productivity and shaping the fish growth process. Currently, most
fish-feeding processes are conducted manually in different phases and rely on
time-consuming and challenging artificial discrimination. The feeding control
approach influences fish growth and breeding through the feed conversion rate;
hence, controlling these feeding parameters is crucial for enhancing fish
welfare and minimizing general fishery costs. The high concentration of
environmental factors, such as a high ammonia concentration and pH, affect the
water quality and fish survival. Therefore, there is a critical need to develop
control strategies to determine optimal, efficient, and reliable feeding
processes and monitor water quality. This paper reviews the main control design
techniques for fish growth in aquaculture systems, namely algorithms that
optimize the feeding and water quality of a dynamic fish growth process.
Specifically, we review model-based control approaches and model-free
reinforcement learning strategies to optimize the growth and survival of the
fish or track a desired reference live-weight growth trajectory. The model-free
framework uses an approximate fish growth dynamic model and does not satisfy
constraints. We discuss how model-based approaches can support a reinforcement
learning framework to efficiently handle constraint satisfaction and find
better trajectories and policies from value-based reinforcement learning.
- Abstract（参考訳）: 養殖システムは、運営コストと魚の損失を低減し、成長生産効率を高め、魚の福祉と健康に繋がる先進的な管理戦略の最近の発展から恩恵を受けることができる。
水質のモニタリングと給餌の制御は、魚類の生産性のバランスと魚類の成長過程の形成の基本的な要素である。
現在、ほとんどの魚の養殖プロセスは異なる段階で手動で行われ、時間と挑戦的な人工的差別に依存している。
摂餌制御アプローチは、飼料転換率を通じて魚類の成長と繁殖に影響を与えるため、これらの摂餌パラメータの制御は、魚の福祉の強化と一般的な漁業コストの最小化に不可欠である。
アンモニア濃度やpHなどの環境因子の高濃度は水質や魚の生存に影響を及ぼす。
したがって、最適で効率的で信頼性の高い供給プロセスを決定し、水質を監視するための制御戦略を開発する必要がある。
本稿では,養殖システムにおける魚の成長制御技術,すなわち動的養殖プロセスの給水・水質を最適化するアルゴリズムについて概説する。
具体的には,魚の成長と生存を最適化するためのモデルベース制御手法とモデルフリー強化学習戦略について検討した。
モデルフリーフレームワークは近似魚の成長動的モデルを使用し、制約を満たさない。
モデルに基づくアプローチが強化学習フレームワークをどのようにサポートし、制約満足度を効率的に処理し、価値に基づく強化学習からより良い軌道とポリシーを見つけるかについて議論する。
関連論文リスト
- Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。
具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。
実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文 参考訳（メタデータ） (2024-05-30T23:20:23Z) - IoT-Based Environmental Control System for Fish Farms with Sensor
Integration and Machine Learning Decision Support [1.3499500088995464]
本稿では,魚類養殖におけるデータ駆動型意思決定支援の力について述べる。
環境責任と経済性を強調しつつ、魚介類需要の増大に対応することを約束する。
論文 参考訳（メタデータ） (2023-11-07T14:35:16Z) - Hybrid Reinforcement Learning for Optimizing Pump Sustainability in
Real-World Water Distribution Networks [55.591662978280894]
本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。
我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。
進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
論文 参考訳（メタデータ） (2023-10-13T21:26:16Z) - Towards The Creation Of The Future Fish Farm [3.8176219403982126]
魚の養殖環境は、管理された環境の中で魚介類の世話と管理を支援する。
このセクターでは、効率を高めるために新しい技術が常に実装されている。
本研究は,将来の養殖施設の効率性と利用性を示す概念実証である。
論文 参考訳（メタデータ） (2023-01-02T21:41:06Z) - Automatic Controlling Fish Feeding Machine using Feature Extraction of
Nutriment and Ripple Behavior [0.0]
栄養素数とリップル行動の推定を組み合わせたコンピュータビジョンに基づく自動魚介類供給機を提案する。
栄養素の数とリップル行動に基づいて, 実環境において常に良好に機能する魚の給餌機械を制御できる。
論文 参考訳（メタデータ） (2022-08-15T05:52:37Z) - Spatial Distribution Patterns of Clownfish in Recirculating Aquaculture
Systems [0.4893345190925178]
水族館で飼育されている幼魚の空間分布状況と行動パターンを効率的に解析する手法を提案する。
推定変位は、分散と速度を評価する上で重要な要素である。
水族館で飼育されている幼魚の2日間のビデオストリームを含むデータベース上でシステム設計をテストする。
論文 参考訳（メタデータ） (2021-12-29T11:39:56Z) - Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。
価値に基づく政策段階の深層強化学習(DRL)について考察する。
また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T16:53:56Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z) - Tuna Nutriment Tracking using Trajectory Mapping in Application to
Aquaculture Fish Tank [0.0]
タンク内の魚の状態を推定し、栄養素の量を調整することは、魚の給餌システムのコスト管理に重要な役割を担っている。
本手法は,養殖魚養殖場から採取したビデオの栄養状態の追跡に基づく。
論文 参考訳（メタデータ） (2021-03-10T06:02:19Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。