MACHINE LEARNING EN LA PESCA
Desde hace unos años atrás la Organización Europea Copernicus Marine Environment Monitoring Service (CMEMS) ha informado que la liberación de la data de los indicadores de monitoreo oceánico, la cual se encuentra disponible al publico.
Estos indicadores además de los aumentos del nivel del mar y calentamiento de los océanos de hace mas de 25 años se encuentran abiertos.
Toda esta información , sumado a la data de pescas durante los años pasados, hacen factible la creación de un modelos analítico capaz de predecir, la temporada de peces en un determinado lugar, analizar zonas de pescas dañadas, estimación de aumentos en la población de peces etc.
Aplicación del Machine Learning en la Clasificación de peces
Se implementan nuevos algoritmos de inteligencias basados en el Machine Learning el cual permite una mejora considerable en la clasificación de los peces buscando disponer de una conservación a adecuada a los peces recolectados.
Anexado a ello se busca que el sistema pueda identificar defectos en los peces recolectados tales como, enfermedades, llagas, deformaciones y ataques de otros marinos.
Predicción de Esfuerzo y Captura en la Pesca utilizando Trayectorias semánticas y Machine Learning
El principio se basa en la unión de 3 fuentes de datos:
- Trayectorias de barcos pesqueros (Datos de la AIS).
- Los reportes correspondientes a la pesca. Ej.: Cantidad y tipos de peces atrapados.
- Datos generales del medio ambiente.
Da como resultado una trayectoria semántica describiendo las actividades de los peces en una determinada área y tiempo.
La meta de la utilización del machine learning es predecir el esfuerzo de captura por unidad (CPUE) , un indicador en la explotación de recursos pesqueros útiles para el manejo de las pescaderías.
Nuestro resultado predictivo son preliminares tanto en los datos temporales que están disponibles para la explotación y un grupo limitado de técnicas de aprendizajes que son empleadas en esta tarea.
