L'intelligenza artificiale aiuta la razza brasiliana

Il gruppo di ricerca lavora da tempo sul miglioramento genetico di questa specie autoctona per aumentare i rendimenti abbassando i costi di produzione.

Fondazione statale di sostegno alla ricerca di San Paolo

immagine: Il software sviluppato dai brasiliani misura automaticamente il pacus utilizzando l'intelligenza artificiale. Esemplari con corpo rotondo (in alto) e corpo ellittico. A destra, le parti selezionate dal programma tramite machine learningvedere di più

Credito: Diogo Hashimoto/UNESP

Se si osserva una rete piena di pacus (Piaractus mesopotamicus), non è possibile distinguere ad occhio nudo quali individui avranno discendenti con una maggiore resa di filetti o un aumento di peso più rapido, ad esempio.

La loro crescita può essere monitorata con un metro a nastro e possono essere pesati su una bilancia. I dati possono essere tabulati e confrontati. Ma per allevare un’intera popolazione con le giuste caratteristiche, è necessario misurare e pesare circa 2.000 pesci per generazione, e il compito può richiedere giorni.

In Brasile, i ricercatori dell’Università statale di San Paolo (UNESP) hanno risolto questo problema sviluppando un software che utilizza l’intelligenza artificiale per effettuare misurazioni accurate in tempo reale. I risultati sonopubblicatosulla rivista Acquacoltura.

Il gruppo di ricerca lavora da tempo sul miglioramento genetico di questa specie autoctona per aumentare i rendimenti abbassando i costi di produzione (maggiori informazioni su:agencia.fapesp.br/36492).

"Quando si misurano i pesci manualmente, si ottengono meno dati perché li stressiamo e possiamo trasmettere malattie che portano a epidemie, per non parlare del tempo prezioso impiegato. Abbiamo automatizzato il processo, addestrando la macchina con foto di pacus ed etichettando testa, corpo , cintura pelvica e pinne. Ora disponiamo di un dispositivo portatile che può essere portato sul campo per farlo rapidamente e classificare gli animali migliori", ha affermatoDiogo Hashimoto , ultimo autore dell'articolo. Professore presso il Centro di acquacoltura dell'UNESP a Jaboticabal, Hashimoto è a capo di un progettosostenuto da FAPESP.

I ricercatori hanno utilizzato il deep learning, uno dei tipi più recenti di apprendimento automatico, che tra gli altri vantaggi produce risultati molto più velocemente. L'utilizzo dell'innovazione è stato reso possibile da un progetto parzialmente finanziato da Huawei do Brasil Telecomunicações e guidato daJosé Remo Ferreira Brega, professore presso il Dipartimento di Informatica della Scuola delle Scienze dell'UNESP a Bauru e penultimo autore dell'articolo.

Nell'ultimo studio, i ricercatori hanno deciso di distinguere il pacus dal corpo rotondo da quello dal corpo ovale. La specie ha un corpo rotondo in natura e si ritiene che questa caratteristica influenzi le decisioni di acquisto dei consumatori. Gli allevatori di pesci lo ottengono selezionando individui con il rapporto altezza-larghezza ideale per ottenere rese più elevate in lombo e costola, i tagli preferiti dai consumatori di pesce autoctono come pacu e tambaqui (leggi di più su:agencia.fapesp.br/38000).

Altre misurazioni, come le dimensioni del bacino o il rapporto testa-corpo, possono essere utilizzate, ad esempio, come indicatori della resa del filetto, del tasso di crescita e dell'aumento di peso.

Miglioramento genetico

Gli allevatori utilizzano la selezione del fenotipo per il miglioramento genetico in tutto il settore agricolo brasiliano, che è leader mondiale nella produzione di proteine ​​animali da polli, bovini da carne e suini. Nella piscicoltura, tuttavia, questo tipo di tecnologia è disponibile solo per il salmone e la tilapia, entrambi specie esotiche e prodotte in serie in tutto il mondo, con la maggior parte delle innovazioni provenienti dall’estero.

Sebbene la catena di produzione della tilapia brasiliana comprenda ricerca e sviluppo, il miglioramento delle specie autoctone è in fase iniziale. Il software creato dai ricercatori per il pacu, tuttavia, si è rivelato più resistente della tecnologia di selezione del fenotipo disponibile per altre specie, come la tilapia.

"Il nostro programma è in grado di riconoscere e misurare le diverse parti del pacu anche ai lati della vasca, con inquinamento visivo del fondo e condizioni di luce variabili. I sistemi sviluppati per la tilapia utilizzano luce controllata e un fondo standardizzato", ha affermato Hashimoto.