Штучний інтелект

Анотація: У статті розглянуто питання використання різнорідних ансамблів інтелектуальних безпілотних апаратів у такій перспективній галузі інновацій як безпілотне рибальство. Досліджено різні аспекти спільної діяльності безпілотних апаратів різних типів у рибальських операціях на основі інтелектуальних технологій. Запропоновано підхід до «розумного рибальства», заснований на моделі спільної рибальської операції, представлено операційний фреймворк, який включає місії, ролі та сценарії діяльності, вбудовані в дискретизовану просторову модель. Діяльність за сценарієм розглядається як послідовність пентад, які визначають виконання конкретних функцій у контексті зазначених точок шляху, часових точок та стану безпілотних апаратів. Запропоновано визначення плану як прототипу сценарію, який потребує пристосування до умов, визначених контекстом ситуації. Визначено проблему координації спільної активності безпілотних апаратів та їх сценаріїв, а також представлено координаційний фреймворк, заснований на розподіленій моделі спільної дошки та примітивах координації. Описано прототип інтелектуальної системи, що базується на сценарії, який включає реалізацію операційного та координаційного фреймворків та розроблений для управління безпілотними апаратами. Ця система робить безпілотні апарати здатними увібрати в себе всі новітні досягнення інтелектуальних технологій для спільного здійснення «розумних» риболовецьких операцій у великих неоднорідних групах. Запропонований підхід до «розумного рибальства» з використанням інтелектуальних технологій дає можливість відсторонити рибалок від небезпечних для їхнього життя та здоров'я операцій риболовлі, значно зменшити браконьєрство та незаконну риболовлю, підвищити загальну ефективність рибальських операцій і навіть якнайкраще зберегти морську екосистему.

Ключові слова: операція «розумного рибальства», безпілотний апарат, місія, роль, сценарій, координація, синхронізація

Посилання:

1. Cusack, C., Fujita, R., Westfall, K. (2020) Smart Fisheries for the 21st Century. EDF Oceans. http://blogs.edf.org/edfish/2020/02/04/smart- fisheries-for-the-21st-century/
2. Carvajal, J., Martí, J., Sánchez-Ortiz, H. (2020). Smart Fisheries, a key player in ocean sustainability and fair fish trade. In Proc. of the III Ibero-American Congress of Smart Cities (p. 11). San José, Costa Rica.
3. Smart Fishing – Watching Over the Sea. The Main Points of the Fishery Regulations in Israel. https://www.moag.gov.il/yhidotmisrad/fishery/publi cation/2019/Documents/fish_eng.pdf
4. Yang, X., Zhang, S., Liu, J., Gao, Q., Dong, S., Zhou, C. (2020). Deep learning for smart fish farming: applications, opportunities and challenges. Reviews in Aquaculture. https://doi.org/10.1111/raq.12464
5. Selbe, S. (2014). Monitoring and Surveillance Technologies for Fisheries (p. 132). La Jolla: Waitt Institute.
6. An inventory of new technologies in fisheries (2017). Greening the Ocean Economy, OECD, Paris.
7. James, K.M., Campbell, N., Viðarsson, J.R., Vilas, C., Plet-Hansen, K.S., Borges, L., González, Ó., van Helmond, A.T.M., Pérez-Martín, R.I., Antelo, L.T., Pérez-Bouzada, J., Ulrich, C. (2019). Tools and Technologies for the Monitoring, Control and Surveillance of Unwanted Catches. In: Uhlmann S., Ulrich C., Kennelly S. (eds) The European Landing Obligation. Springer, Cham. https://doi.org/10.1007/978-3-030-03308-8_18
8. French, G., Mackiewicz, M., Fisher, M., Holah, H., Kilburn, R., Campbell, N., Needle, C. (2020). Deep neural networks for analysis of fisheries surveillance video and automated monitoring of fish discards. ICES Journal of Marine Science 77(4), 1340–1353, https://doi.org/10.1093/icesjms/fsz149
9. Ahilan, T., Aswin Adityan, V., Kailash S. (2015). Efficient Utilization of Unmanned Aerial Vehicle (UAV) for Fishing through Surveillance for Fishermen. International Journal of Aerospace and Mechanical Engineering 9(8), 1468–1471. https://doi.org/10.5281/zenodo.1107491
10. French, G., Fisher, M.H., Mackiewicz, M., Needle, C. (2015). Convolutional neural networks for counting fish in fisheries surveillance video. In Amaral, T., Matthews, S., Plötz, T., et al. (Eds.). Proceedings of the machine vision of animals and their behavior (MVAB), (pp. 7.1–7.10). BMVA Press, Swansea. https://doi.org/10.5244/C.29.MVAB.7
11. Rouxel, Y. (2017) Best Practices for Fishing Sustainability: Fishing Gear Assessment in the Newfoundland Inshore Northern Cod Fishery. Master thesis (p. 105). University of Akureyri, Island.
12. Kaiser, M.J. (2014). The conflict between static gear and mobile gear in inshore fisheries: study. European Parliament's Committee on Fisheries.
13. Valdemarsen, J.W., Suuronen, P. (2003) Modifying Fishing Gear to Achieve Ecosystem Objectives. In Sinclair, M., Valdimarsson, G. (Eds.) Responsible fisheries in the marine ecosystem (p. 321). https://doi.org/10.1079/9780851996332.0321
14. https://dronefishing.com.au/
15. Seidel, W.R., and Vanselous, T.M. (1976). An Automated Unmanned Fishing System to Harvest Coastal Pelagic Fish. Marine Fish. Review 38(2).
16. Borović, B., Vasilijević, A., Kuljača, O. (2011). Potentials of using underwater robotics for fishing and fish farming.
17. Smart Boats and Networked Fisheries: New pathways to sustainable fishing in the digital age. https://www.edf.org/sites/default/files/documents/S martBoatVision.March2019.web_.pdf
18. http://smartfishh2020.eu/technologies/
19. Sherstjuk, V. (2015). Scenario-Case Coordinated Control of Heterogeneous Ensembles of Unmanned Aerial Vehicles. In Proceedings of the 2015 IEEE 3rd International Conference on Actual Problems of Unmanned Aerial Vehicles Developments (pp.275– 279). https://doi.org/10.1109/APUAVD.2015.7346620