Việc không thể thu thập các dữ liệu có giá trị phục vụ cho việc ra quyết định ngay tại hiện trường trong thời gian ngắn đang trực tiếp cản trở khả năng phản ứng của các chiến lược quản lý trại nuôi khi phát sinh sự cố. Vì vậy, nhiều lĩnh vực trong ngành nuôi trồng thủy sản đã bắt đầu áp dụng phương pháp nuôi trồng thủy sản chính xác (precision farming), sử dụng nhiều công nghệ khác nhau để tự động giám sát và phân tích theo thời gian thực các thông số liên quan đến sản xuất, sức khỏe và phúc lợi của động vật nuôi. Do việc đánh giá hành vi thường được thực hiện thông qua quan sát trực quan, chủ yếu với sự hỗ trợ của camera cho ăn dưới nước, nên nhiều công nghệ mới tích hợp với các hệ thống giám sát và ghi hình bằng video có tiềm năng làm thay đổi căn bản không chỉ tính khả thi và hiệu quả của các chỉ số phúc lợi dựa trên hành vi (behavioural WIs) mà còn cả hoạt động đánh giá phúc lợi nói chung. Phần này không chỉ trình bày cách các công nghệ này có thể giải quyết những khó khăn về mặt hậu cần đã đề cập ở phần trước mà còn cho thấy chúng có thể tiếp tục phát huy những ưu điểm riêng của phương pháp đánh giá hành vi.

Cải thiện tính khả thi trong thực tế của các chỉ số hành vi định lượng:

Bất kể hệ thống nuôi hay trình độ của nhân viên như thế nào, các tiến bộ công nghệ vẫn là điều kiện cần thiết để chuyển phần lớn các phương pháp phân tích hành vi có thể định lượng thành các chỉ số phúc lợi có thể vận hành (OWIs). Những giải pháp mới cần cung cấp khả năng theo dõi và giám sát hành vi của cá theo thời gian thực, khách quan, tự động và liên tục, đồng thời phải được phát triển và điều chỉnh để phù hợp với điều kiện của từng trại nuôi cũng như các yêu cầu cụ thể trong giám sát phúc lợi.

Tự động hóa và hỗ trợ việc phát hiện, theo dõi hành vi

Công nghệ thị giác máy tính (computer vision) và máy học (machine learning) đã được ứng dụng trong thực tế nhằm hỗ trợ các phương pháp theo dõi hành vi của cá ngay tại hiện trường theo cách không xâm lấn và tự động.

Thị giác máy tính là gì?

Đây là công nghệ cho phép máy tính xử lý, diễn giải và xây dựng các thông tin rõ ràng cũng như mô tả có ý nghĩa về các đối tượng trong thế giới thực thông qua phân tích hình ảnh. Những đổi mới trong lĩnh vực này đã phát triển rất nhanh, ngày càng mạnh mẽ và dễ tiếp cận hơn nhờ sự phát triển của máy ảnh kỹ thuật số và năng lực xử lý của máy tính.

Máy học là gì?

Máy học là quá trình dựa trên dữ liệu, trong đó các mô hình tự động tạo ra các dự đoán bằng cách nhận diện các quy luật hoặc mẫu trong dữ liệu được cung cấp. Nói một cách đơn giản, đây giống như việc "dạy" máy tính nhận biết các quy luật và hiểu ý nghĩa của thông tin mà nó tiếp nhận.

Thông qua các công nghệ này, theo dõi video (video tracking) – tức là theo dõi các đối tượng chuyển động và giám sát hoạt động của chúng bằng cách xử lý chuỗi hình ảnh thu được từ video – có thể được ứng dụng để tự động định lượng các chỉ số phúc lợi dựa trên hành vi. Sau khi được triển khai, các hệ thống tự động phát hiện sự thay đổi hành vi mang lại nhiều lợi ích về hiệu quả, bao gồm:

1) Không cần nhân lực để thu thập thông tin về hành vi; đồng thời các thay đổi tinh vi cũng ít có khả năng bị bỏ sót hơn.

2) Những sai lệch bất thường so với mức độ hoạt động bình thường có thể được phát hiện tự động mà không cần sự can thiệp của nhân viên.

Công nghệ sonar, hồng ngoại cận (Near-Infrared - NIR) và ghi hình video quang học, khi kết hợp với các mô hình máy học tiên tiến, đã được sử dụng để hỗ trợ giám sát hành vi thường xuyên ngay cả trong những điều kiện không tối ưu. Các công nghệ này sẽ đóng vai trò thiết yếu trong việc vượt qua những thách thức đã đề cập trước đó khi đánh giá hành vi trong môi trường nước, chẳng hạn như điều kiện môi trường không thuận lợi, chất lượng nước kém hoặc hành vi phức tạp của các cá thể trong những đàn có kích thước lớn.

Tự động hóa và hỗ trợ phân tích hành vi

Những công nghệ nuôi trồng thủy sản chính xác được trình bày ở trên mới chỉ tập trung vào việc phát hiện và theo dõi hành vi. Tuy nhiên, để có thể tự động thực hiện các phân tích chuyên sâu về hành vi (đến mức có thể tạo ra các thông tin hữu ích phục vụ quản lý phúc lợi động vật nuôi tương tự như khi được thực hiện bởi một chuyên gia) thì vẫn cần có thêm nhiều bước phát triển về công nghệ.

Học sâu (Deep Learning) và Mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) là những công nghệ máy học mạnh mẽ đã được ứng dụng thành công trong nhiều lĩnh vực của thị giác máy tính, bao gồm nhận diện và phân loại hành vi. Trong tương lai, hệ thống tích hợp này có thể đóng vai trò trung tâm trong việc đánh giá phúc lợi tại trại nuôi, nhờ khả năng phân tích nhanh chóng, khách quan, thiết thực và đáng tin cậy khối lượng rất lớn dữ liệu giám sát, đồng thời loại bỏ ảnh hưởng của thiên lệch từ người quan sát (observer bias).

Để tìm hiểu thêm về nuôi trồng thủy sản chính xác (Precision Aquaculture), bạn có thể tham khảo khóa học - Precision Aquaculture