Китайские исследователи разработали систему искусственного интеллекта, которая автоматизирует кормление тихоокеанских белых креветок на промышленных фермах. Технология заменяет ручной контроль, который требует больших трудозатрат и часто приводит к ошибкам. Новая система самостоятельно наблюдает за креветками, оценивает их вес по фотографиям и рассчитывает точное количество корма для каждого бассейна. Это один из первых случаев, когда большие языковые и визуальные модели интегрировали в ежедневные рабочие процессы коммерческого хозяйства.
Кормление – ключевой фактор в интенсивном разведении креветок. Недостаток корма замедляет рост и увеличивает разброс в размерах особей, что снижает стоимость урожая. Избыток приводит к загрязнению воды из-за разложения остатков, провоцирует вспышки заболеваний и повышает производственные издержки. Традиционно работники ферм вручную поднимают сетчатые поддоны-кормушки, чтобы визуально оценить, съеден ли корм. Параллельно другие команды вылавливают сотни креветок и взвешивают их для расчёта темпов роста. Оба процесса зависят от опыта конкретного человека и вызывают стресс у животных.
Новую систему испытали на предприятии Dongying Tongwei Fishery в провинции Шаньдун, которое называют крупнейшей в мире базой по разведению креветок в установках замкнутого водоснабжения. В её основе – моторизованный поддон-кормушка с промышленной камерой. Устройство автоматически поднимается над поверхностью воды, делает серию снимков в течение десяти секунд и опускается обратно. Комплекс моделей машинного обучения анализирует изображения, определяя количество и размер креветок, их совокупный вес, активность и наличие остатков корма.
Для оценки веса система использует нейросеть YOLOv8, обученную на тысячах снимков, сделанных в реальных производственных условиях. Алгоритм не просто обводит контуры креветок, но и вычисляет их площадь и длину, после чего регрессионная модель LightGBM переводит эти параметры в граммы. Это позволяет взвешивать животных бесконтактно. Отдельный классификатор определяет, остался ли на поддоне корм. Система устойчива к помехам вроде мутной воды, пузырьков и бликов, так как её обучали на данных с действующей фермы, а не в лабораторных условиях.
Решение об объёме кормления принимает двухуровневый механизм. По умолчанию количество корма рассчитывает модель LightGBM, обученная на более чем двух тысячах суточных отчётов с учётом 17 параметров, включая температуру и химический состав воды. Её точность прогноза достигает 95,5%. Однако если менеджер фермы вводит дополнительную информацию – например, о приближении непогоды или состоянии здоровья креветок, – в дело вступает большая языковая модель Qwen-Plus. Она выступает в роли «главного эксперта»: анализирует прогноз, архивные данные и комментарий специалиста, чтобы вынести окончательное, скорректированное решение.
Разработчики считают, что их технология может стать шаблоном для всей отрасли. Тихоокеанская белая креветка (Litopenaeus vannamei), по данным ФАО, составляет более половины мирового производства, а интенсивные системы с рециркуляцией воды получают всё большее распространение. Управление системой происходит с помощью голосовых команд: оператор просит поднять поддон или дать оценку, а ИИ анализирует видео и озвучивает результаты. Это позволяет фермерам использовать сложную технологию, не обладая специальными знаниями в области анализа данных.