Wissenschaftler des Agricultural Research Service des US-Landwirtschaftsministeriums (USDA ARS) in Shepherdstown haben ein KI-gestütztes Computer-Vision-System entwickelt, das Fische in geschlossenen Kreislauf-Aquakultursystemen in Echtzeit überwacht. Unterwasserkameras und ein trainiertes Deep-Learning-Modell ermöglichen die automatische Erfassung ganzer sowie teilweise sichtbarer Fische mit einer Präzision von über 85 Prozent. Das System ersetzt manuelle Zähl- und Messprozeduren, wodurch stressbedingte Belastungen für die Tiere vermieden und betriebliche Abläufe optimiert werden.
Das manuelle Fangen und Wiegen von Fischen verursacht Stress und birgt wirtschaftliche Risiken. Das USDA ARS demonstriert, wie KI-gestützte Computer Vision Fische in Kreislaufanlagen mit über 85 Prozent Präzision berührungslos erfasst und so Tierwohl mit betrieblicher Effizienz vereint.
In geschlossenen Kreislauf-Aquakultursystemen (RAS) erfordert die Bestandsinventur traditionell das manuelle Fangen, Zählen und Vermessen von Tieren, was erheblichen Stress verursacht und das Risiko von Verletzungen erhöht. Ein vom USDA ARS am National Cold Water Marine Aquaculture Center entwickeltes Computer-Vision-System überwindet diese Einschränkungen durch berührungslose optische Echtzeitüberwachung. Mithilfe von Unterwasserkameras zeichnet das System kontinuierlich Bild- und Videodaten im Becken auf, auf deren Basis ein Deep-Learning-Objekterkennungsmodell trainiert wurde. Die visuelle Erkennung identifiziert vollständige sowie teilweise verdeckte Fische im Sichtfeld mit einer Präzision von über 85 Prozent. Auf diese Weise können Bestandszahlen, Größenentwicklungen und Vitalitätsmerkmale kontinuierlich erfasst werden, ohne die Fische aus ihrer Umgebung zu entnehmen. Die Technologie verbessert das Tierwohl nachhaltig, steigert die Produktionseffizienz und ermöglicht eine präzise Steuerung der Fütterung und Besatzdichte in der Aquakultur.
Klassische regelbasierte Software scheitert an der optischen Komplexität von Unterwasserszenen, da wechselnde Lichtverhältnisse, Trübungen und Verdeckungen durch Schwarmbildung starre Algorithmen überfordern. Ein trainiertes Deep-Learning-Modell hingegen lernt visuelle Konturen und Texturen, wodurch es ganze und nur teilweise sichtbare Fische mit über 85 Prozent Präzision erkennt. Nur KI-gestützte Computer Vision ist in der Lage, sich bewegende biologische Objekte unter Wasser in zuverlässige Zähldaten zu überführen.
Betreiber, die auf optisches Präzisionsmonitoring setzen, können Erntezeitpunkte exakter terminieren und sich durch nachweisbar tiergerechte Haltung im Wettbewerb differenzieren.
Die berührungslose Datenerfassung verhindert Wachstumsstopps und Mortalität durch Fangstress, was die Futterverwertung verbessert und Bestandsverluste in Kreislaufanlagen verringert.
Der betriebliche Arbeitsablauf stellt sich von punktuellen, fehlerbehafteten manuellen Zählungen auf eine automatisierte und kontinuierliche Datenverarbeitung in Echtzeit um.
Die körperliche Beanspruchung durch wiederholtes Hantieren mit Netzen und Messwannen am Beckenrand entfällt zugunsten einer ergonomischen Arbeitsumgebung.
Das Berufsbild wandelt sich vom körperbetonten Handwerker hin zum technologiegestützten Bestands- und Prozessmanager.
Mitarbeitende erwerben neue Fertigkeiten in der Betreuung optischer Unterwassersysteme sowie in der Auswertung computergestützter Bestandsanalysen.
Sie als Kunde können auf eine schonende Aufzucht vertrauen, bei der Bestandsgesundheit und Wachstum transparent und ohne physische Störungen erfasst werden.
Verbraucher erhalten Zugang zu Zuchtfisch aus modernen Kreislaufanlagen, in denen das Wohl der Tiere durch den Verzicht auf invasive Eingriffe geschützt wird.