مروری بر کاربرد بینایی ماشین و یادگیری عمیق در پایش رفتار میگو در آبزی‌پروری: پیشرفت‌ها و چالش‌ها در ایران

کد مقاله : 1078-5THISC-FULL

نویسندگان

شادی شهوند *1، زهرا محمدی2، آرش امیدی2 1خیر 2ندارد

چکیده مقاله

چکیده پرورش میگو یکی از بخش‌های کلیدی صنعت آبزی‌پروری است که نیازمند پایش دقیق رفتار میگوها برای مدیریت بهینه و کاهش تلفات است. این مطالعه مروری سیستماتیک بر کاربرد بینایی ماشین و یادگیری عمیق در پایش رفتار میگو انجام داد. با جستجو در پایگاه‌های علمی بین‌المللی و داخلی، مطالعاتی که از الگوریتم‌هایی مانند شبکه‌های عصبی کانولوشنی (CNN)، YOLOv5، و ResNet-50 برای تشخیص رفتارهای تغذیه‌ای، گروهی، و استرس استفاده کرده بودند، بررسی شدند. نتایج نشان داد که این فناوری‌ها با دقت بیش از 90% رفتارهای میگو را شناسایی می‌کنند و می‌توانند مصرف خوراک را تا 12% کاهش دهند. در ایران چالش‌هایی مانند کمبود داده‌های برچسب‌دار و هزینه‌های سخت‌افزاری مانع توسعه هستند. پیشنهاد می‌شود تحقیقات آینده بر ایجاد پایگاه‌های داده محلی، استفاده از الگوریتم‌های سبک، و ترکیب داده‌های تصویری و محیطی برای پایش بلادرنگ تمرکز کنند. این فناوری‌ها می‌توانند بهره‌وری و پایداری صنعت میگوی ایران را به‌طور قابل‌توجهی ارتقا دهند. کلمات کلیدی: بینایی ماشین، یادگیری عمیق، رفتار میگو، آبزی‌پروری هوشمند، شبکه عصبی کانولوشنی

کلیدواژه ها

کلمات کلیدی: بینایی ماشین، یادگیری عمیق، رفتار میگو، آبزی‌پروری هوشمند، شبکه عصبی کانولوشنی

وضعیت: پذیرفته شده