eff_co@vnn.vn 
Việc sử dụng máy cho ăn tự động có thể dẫn đến tình trạng cho ăn quá nhiều hoặc quá ít. Cho ăn ít dẫn đến gia tăng tính cạnh tranh giữa các cá thể để kiếm thức ăn. Ngược lại, cho ăn quá nhiều dẫn đến lãng phí thức ăn, làm tăng chi phí, tỷ lệ chuyển đổi thức ăn (FCR). Sự phân hủy thức ăn lắng đọng dưới đáy tạo ra nitơ, amoniac và các hợp chất nitrat có hại ảnh hưởng đến sự phát triển khỏe mạnh của cá. Các công nghệ sử dụng thiết bị cảm biến quang học, âm thanh và các loại thiết bị cảm biến khác để thu thập, xử lý, phân tích hình ảnh, âm thanh và các thông tin khác của cá được sử dụng để định lượng và xác định hành vi kiếm ăn của cá với độ chính xác cao cho phép kiểm soát thức ăn tối ưu theo thời gian thực và giảm chi phí cho ăn.
Các công nghệ tiên tiến đã và đang phát triển, tuy nhiên, do sự phức tạp của môi trường và độ chính xác của việc ghi nhận hành vi kiếm ăn của cá vẫn là một thách thức lớn. Trong hơn 30 năm qua, các nghiên cứu sâu rộng đã được tiến hành bao gồm khả năng kiếm ăn, biểu hiện căng thẳng với môi trường, bơi lội và tụ tập thành bầy đàn. Bài báo này nhằm mục đích cung cấp một đánh giá toàn diện các công nghệ và phương pháp được sử dụng để cho cá ăn tự động trong những năm gần đây. Đánh giá tập trung vào ứng dụng trực tiếp và gián tiếp của công nghệ thị giác máy tính, ứng dụng âm thanh, ngoài ra còn có các loại cảm biến khác.
Phương pháp cho ăn dựa trên công nghệ thị giác máy tính đã được sử dụng rộng rãi trong nuôi trồng thủy sản trong những năm gần đây. Dựa trên các bước sóng khác nhau được sử dụng bởi camera, ánh sáng có thể được chia thành ánh sáng nhìn thấy (khả kiến) và tia hồng ngoại.
Sơ đồ cấu trúc của một hệ thống cho ăn tự động dựa trên thị giác máy tính.
Công nghệ thị giác máy tính dựa trên ánh sáng nhìn thấy được sử dụng rộng rãi so với các loại nguồn sáng khác. Hiện nay, các nghiên cứu về xác định tập tính ăn mồi của cá chủ yếu được chia thành hai loại. Các phương pháp trực tiếp bao gồm việc sử dụng các hình ảnh đo được để thu được hình dạng, kết cấu, diện tích, độ phân tán và hoạt động bơi lội của cá và các thông số khác. Các phương pháp gián tiếp bao gồm đánh giá sự thèm ăn của cá bằng cách phân tích lượng thức ăn dư thừa trong ao nuôi được camera ghi lại. Công nghệ thị giác máy tính dựa trên tia hồng ngoại không bị ảnh hưởng bởi cường độ và có thể đạt được hiệu ứng hình ảnh tốt hơn trong môi trường tương đối tối. Công nghệ này phù hợp để xác định hành vi của cá trong điều kiện ánh sáng yếu.
Phương pháp thị giác máy tính thân thiện với người dùng và ít tốn kém nhưng có một số hạn chế. Ví dụ, công nghệ thị giác máy tính thường chỉ giới hạn ở vùng nước trong. Nếu một số lượng lớn cá ở dưới đáy lồng hoặc cách xa nguồn sáng, hệ thống camera có thể không cung cấp hình ảnh chính xác về cá. Mặc dù ánh sáng hồng ngoại có thể được sử dụng trong bóng tối, chất lượng hình ảnh có thể không đủ để theo dõi chuyển động trừ khi sử dụng bộ lọc hồng ngoại thích hợp. Những thiếu sót này có thể được khắc phục thông qua việc sử dụng các phương pháp âm thanh. Theo dõi âm thanh của cá có thể được sử dụng để xác định sinh sản định kỳ, hoạt động kiếm ăn và sự thay đổi về sự phong phú của quần thể. Tuy nhiên, độ chính xác của các phép đo của phương pháp này cần được cải thiện để giảm ảnh hưởng của tiếng ồn môi trường và tiếng ồn ngẫu nhiên khác.
Ngoài công nghệ âm thanh và quang học, nhiều loại cảm biến dựa trên các thông số khác nhau như cảm biến gia tốc và các thông số chất lượng nước (oxy hòa tan, pH và nhiệt độ nước) là những cảm biến được sử dụng rộng rãi. Ví dụ, khi cá ăn, nồng độ oxy hòa tan cục bộ bị giảm. Các viên thức ăn thừa lắng đọng dưới đáy nước cũng gây ra sự thay đổi nồng độ oxy hòa tan và hợp chất nitơ amoniac. Do đó, các cảm biến này được sử dụng để theo dõi và định lượng hành vi ăn của cá và phát triển khả năng ra quyết định thông minh và hệ thống kiểm soát cho nuôi trồng thủy sản. Những nghiên cứu này có ý nghĩa tiềm năng trong việc giảm chất thải thức ăn chăn nuôi, giảm FCR và giảm chi phí lao động trong nuôi trồng thủy sản.
References: Automatic recognition methods of fish feeding behavior in aquaculture: A review. Li, D., Wang, Z., Wu, S., Miao, Z., Du, L., & Duan, Y. (2020).. Aquaculture, 528, 735508. https://doi.org/10.1016/j.aquaculture.2020.735508
