Deep Learning for Smart Fish Farming: Applications, Opportunities And Challenges

(Deep Learning untuk Budidaya Ikan Cerdas: Aplikasi, Peluang, Dan Tantangan)

Latar Belakang (Permasalahan)

Pada budidaya ikan pintar, salah satu yanng menjadi elemen inti adalah data dan
informasi. Banyaknya data menyebabkan tantangan, seperti berbagai sumber (seperti
informasi mengenai ikan, peralatan, lingkungan, dan lainnya), berbagai format (seperti teks,
gambar, audio), dan data yang kompleks (seperti spesies, mode, aktivitas ikan). Banyak
penelitian tentang budidaya ikan pintar, namun belum bisa mengatasi masalah tersebut. Oleh
karena itu, untuk mencoba mengatasi masalah diatas diterapkan Deep Learning (salah satu
metode dalam AI).
Tujuan
Mengatasi tantangan/masalah dalam budidaya ikan pintar yaitu terkait banyaknya data
dan informasi dengan mengaplikasikan Deep Learning. Serta membandingkan penerapan
Deep Learning dengan metode yang lain.
Ringkasan Metode/Algoritma yang Digunakan
1. Pengumpulan banyak data dan informasi, seperti berbagai sumber (seperti informasi
mengenai ikan, peralatan, lingkungan, dan lainnya), berbagai format (seperti teks,
gambar, audio), dan data yang kompleks (seperti spesies, mode, aktivitas ikan).
2. Metode deep learning, yang akan membantu komputer lebih mudah mengenali data dari
input sensorik yang mentah. Misal contoh komputer sulit memahami data gambar ikan
dari sensor karena pemetaan data akan sangat kompleks, disini deep learning dapat
mengolah mendaji pemetaan data yang lebih sederhana dan mudah dipahami komputer.
3. Penerapan Deep learning, diterapkan guna pembelajaran terhadap data yang akan
mempermudah pemetaan data mentah khususnya dalam identiifikasi ikan hidup, analisis
perilaku, klasifikasi spesiess, estimasi ukuran atau biomassa, keputusan pemberian
makan, dan prediksi kualitas air.
Ringkasan Hasil
Pengaplikasian deep learning pada budidaya ikan pintar mempermudah mengatasi
permasalahan terkait banyaknya data dan informasi. Serta dalam identifikasi ikan hidup,
analisis perilaku, klasifikasi spesies, estimasi ukuran atau biomassa, keputusan pemberian
makan, dan prediksi kualitas air, metode deep learning lebih baik dibandingkan metode
tradisional dan metode lainnya.
Jenis agen cerdas :
Learning Agent : karena deep learning menggunakan teknologi AI untuk mempelajari pola
dari data yang diberikan, dan bisa mempelajari lingkungan dari data yang diberikan dan
membuat keputusan berdasarkan pengalaman belajarnya (walau input data asing).
PEAS
Jenis agen P E A S
Budidaya ikan Akurat, efisiensi Suhu air, ph, Identifikasi ikan Kamera, sensor
pintar + deep data, mudah oksigen, hidup, air, sensor suhu,
learning deteksi keadaan kualitas air. identifikasi sensor ph.
ikan, efektivitas penyakit ikan,
pemberian prediksi kualitas
makan ikan dan air, memberikan
rasio, ketepatan pakan otomatis,
prediksi kualitas mengolah unsur
air, mengetahui air otomatis.
hasil panen.