Smart fish performance system: sensores e algoritmo para previsão de crescimento corporal do pescado
Carregando...
Arquivos
Data
2023-06-30
Autores
Orientador
Bueno, Guilherme Wolff 
Brande, Maicon da Rocha
Coorientador
Pós-graduação
Curso de graduação
Engenharia de Pesca - CERE
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
O Brasil tem condições excepcionais para desenvolver a produção de organismos aquáticos considerando a abordagem da aquicultura 4.0. A integração de tecnologias como algoritmos, sensores eletrônicos e dispositivos móveis, em conjunto com técnicas computacionais, tornam possíveis o aprimoramento de diagnósticos e predições, qualificando a produção e reduzindo os riscos para os negócios aquícolas. Além disto, auxiliam na tomada de decisões e gestão dos processos produtivos nas fazendas. Assim, realizamos um projeto aquícola denominado “Smart fish performance system (Smart.Fish-PS)” que desenvolveu um produto mínimo viável (MVP) baseado em um equipamento de baixo custo para monitoramento da temperatura da água integrado a algoritmo para previsão do crescimento corporal da tilápia do Nilo (Oreochromis niloticus) em tempo real. Este sistema foi desenvolvido utilizando uma placa modelo Heltec® WiFi LoRa 32 v2, os dados obtidos pelo sensor DS18B20 foram enviados por meio da conexão via rádio LoRa com frequência de 915Hz para um gateway desenvolvido nesta placa. Este recebia as mensagens e enviava os dados para um servidor privado em nuvem que processava as informações e aplicava o algoritmo criado para realizar curvas de crescimento corporal e projeções das safras de O. niloticus em tempo real. O software utilizado para o desenvolvimento do hardware foi o Arduino IDE 1.8.19. O algoritmo foi criado baseado no modelo matemático do coeficiente de crescimento térmico corporal de peixes considerando observações de temperatura da água e crescimento corporal da O. niloticus criadas em 528 tanques-rede em uma fazenda comercial de produção intensiva no reservatório de Chavantes, São Paulo, durante o período de 2017 a 2020. Para validação foram utilizados dados zootécnicos com 20.000 mil observações desta espécie com peso inicial de 0,164kg 0,081kg e final de 0,860kg 0,141kg e da temperatura da água entre os anos de 2020 a 2022. Em cada lote de produção, foram estimadas as curvas de crescimento térmico corporal dos animais (amplitude de 20 a 33oC). O protótipo Smart.Fish-PS foi desenvolvido com custo médio de 1.200 reais por unidade. Em campo, o equipamento foi acoplado em um tanque-rede durante uma safra de produção para testagem como um MVP, o qual pode coletar e transmitir dados em tempo real a cada minuto (n=10.824). O Smart.Fish-PS apresentou uma precisão de 86% na mensuração da temperatura da água pelo sensor (r²=0,8642) em relação ao equipamento profissional de controle. A predição corporal dos peixes em relação ao observado em campo obteve uma precisão de 93% (r²=0,9278), com um MAE igual a 0,0322 e um RMSE de 0,0761. O projeto aquícola criou um produto viável tecnicamente e um protótipo com nível de maturidade tecnológica - technology readiness level (TRL 4). O produto desenvolvido poderá ser aprimorado e difundido para a comunidade científica por meio da transferência de tecnologia para sociedade e empresas do setor que buscam soluções de baixo custo e fácil uso para empreendimentos aquícolas.
Resumo (inglês)
Brazil has exceptional conditions to develop the production of aquatic organisms considering the aquaculture 4.0 approach. The integration of technologies such as algorithms, electronic sensors and mobile devices, together with computational techniques, makes it possible to improve diagnoses and predictions, qualifying production and reducing risks for aquaculture businesses. In addition, they help in decision-making and management of production processes. Thus, we carried out an aquaculture project called “Smart.Fish-PS” which developed a minimum viable product (MVP) based on a low-cost equipment for monitoring water temperature integrated with algorithms that allow forecasting tilapia production crops in real time. This system was developed using a Heltec® WiFi LoRa 32 v2, the processing data was obtained by the DS18B20 sensor, using the LoRa radio connection with a frequency of 915Hz to send the data to a gateway, where it received the messages and then sent the data to the private cloud server that processed the information and carried out the body growth curves and projections of Nile tilapia (Oreochromis niloticus) crops. The software used for hardware development was Arduino IDE 1.8.19. The algorithm was created based on the mathematical model of the thermal body growth coefficient of fish considering observations of water temperature and body growth of O. niloticus created in 528 cages in a commercial fish farm in the Chavantes reservoir, São Paulo, during the period from 2017 to 2020. For validation, zootechnical data were used with 20,000 thousand observations of this species with an initial weight of 0.164kg 0.081kg and final weight of 0.860kg 0.141kg and water temperature between the years 2020 to 2022. In each production cages, the animals' body thermal growth curves were estimated (amplitude from 20 to 33oC). The Smart.Fish-PS prototype was developed at an average cost of 240 dollars per unit. In the field, it was coupled in cages during a production season for testing as an MVP, it can collect and transmit data in real time every minute (n=10,824), presenting an accuracy of 86% in measuring water temperature by the sensor (r²=0.8642). The body prediction of the fish in relation to what was observed in the field obtained an accuracy of 93% (r²=0.9278), with a MAE equal to 0.0322 and an RMSE of 0.0761. The aquaculture project presented a technically viable product and a prototype with technology readiness level (TRL 4), which can be improved and disseminated to the scientific community through the transfer of technology to society and aquaculture companies seeking low-cost and easy-to-use solutions for aquaculture enterprises.
Descrição
Palavras-chave
Idioma
Português