Résumé : Les systèmes traditionnels de contrôle des RAS reposent souvent sur des règles fixes et peinent à répondre aux exigences dynamiques des poissons à différents stades de croissance. Une étude publiée ce mois-ci dans Aquaculture International présente un système d'IA adaptatif capable de "penser" et de "s'ajuster" comme un expert chevronné de l'aquaculture, annonçant ainsi une transformation dans la gestion précise des exploitations agricoles.
Le défi central : Tout au long du cycle d'élevage de 300 jours du tilapia, les besoins physiologiques et les priorités de gestion durant les phases d'alevinage, de grossissement et de pré-récolte sont nettement différents. Par exemple, il est primordial de favoriser la croissance au début, alors que le maintien de la qualité de l'eau pour réduire le stress devient plus critique par la suite. Une stratégie de contrôle unique et fixe ne peut rester optimale à tous les stades.
La percée technologique : Un cadre hiérarchique de gradient de politique déterministe profond (DDPG)
Le cœur de la solution de l'équipe de recherche est une architecture intelligente à trois niveaux :
Agents de niveau inférieur : Contrôler spécifiquement les opérations individuelles telles que le taux d'alimentation, le taux d'aération et le taux de renouvellement de l'eau.
Bibliothèque politique de niveau intermédiaire : Trois stratégies optimisées indépendantes sont formées pour les trois phases de croissance clés du tilapia (jours 1-100, 101-200, 201-300).
Méta-contrôleur de haut niveau : Il fonctionne comme un chef d'exploitation expérimenté, utilisant les données contrôlées en temps réel sur le poids des poissons et la qualité de l'eau pour déterminer le stade de croissance actuel et mélanger ou passer d'une stratégie à l'autre en douceur.
Des résultats vérifiés et une vision professionnelle
Le système a été validé pendant 300 jours dans une installation commerciale de RAS, avec des performances nettement supérieures à celles des méthodes traditionnelles :
Avantages économiques notables : Le taux de conversion des aliments (FCR) s'est amélioré de 18,7%, les coûts des aliments ont été réduits de 18,8% et la biomasse finale a augmenté de 7,6%.
Stabilité à l'eau exceptionnelle : Les principaux paramètres de qualité de l'eau, tels que l'oxygène dissous et l'azote ammoniacal, ont été maintenus dans la plage optimale pendant 98,3% du temps.
Le point de vue d'un expert : L'aspect révolutionnaire de cette technologie réside dans sa "explicabilité". Le système ne se contente pas de prendre des décisions, il utilise également des "arbres de décision" et une "visualisation de l'attention" pour montrer aux exploitants agricoles pourquoi une décision a été prise (par exemple, réduire automatiquement le taux d'alimentation en raison d'une concentration critique d'ammoniac). Les études menées auprès des utilisateurs indiquent que cela renforce considérablement la confiance des exploitants dans le système et accélère leur compréhension des principes de gestion clés.
Points clés pour l'application dans les exploitations agricoles :
Évaluation de l'applicabilité : Cette technologie est particulièrement adaptée aux espèces dont les cycles d'élevage sont longs et qui ont des besoins de gestion spécifiques à chaque stade (par exemple, le saumon/la truite, le bar, le mérou).
Préparation des données : Sa mise en œuvre nécessite des données historiques précises et à long terme sur la croissance des poissons et la qualité de l'eau pour former les modèles d'intelligence artificielle.
Mise en œuvre progressive : Les petites et moyennes exploitations peuvent commencer par adopter le concept de "gestion différenciée des stades de croissance", en fixant manuellement des normes de qualité de l'eau et d'alimentation différentes pour les différents stades, jetant ainsi les bases d'une intégration future avec des systèmes intelligents.
Traiter les points douloureux de la transition : Lors des transitions des stades de croissance, le temps d'adaptation du système a été réduit de 42,5%, ce qui a permis d'éviter le stress des poissons causé par des fluctuations environnementales drastiques.
FR 
EN 
ES