CC BY
8УДК 004.09:639.2.081.117.21
А.А. Недоступ, А.О. Ражев
Калининградский государственный технический университет, Калининград, 236022 e-mail: nedostup@klgtu.ru
ПОСТАНОВКА ЗАДАЧИ ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ЗАДАЧ ПРЕДСКАЗАТЕЛЬНОГО МОДЕЛИРОВАНИЯ ТРАЛОВОГО ЛОВА
При помощи тралов добывается около 40% мирового улова. Сегодня траловый лов сталкивается с рядом проблем: высокий расход топлива, низкая экологичность, повреждение морского дна, траловой системы, прилов, сдавливание рыбы, трудности с контролем курса и глубины нахождения трала. Улучшенная управляемость траловым комплексом могла бы сделать возможным прицельный лов косяков рыб, а также улучшенное маневрирование вблизи препятствий и контроль формы трала для оптимизации эффективности лова. Применение возможностей технологий искусственного интеллекта для решения задач управления тралового комплекса является перспективным и важным научным исследованием. В статье рассмотрены существующие решения. Авторами предлагается использовать нейронную сеть, входными данными которой будут предполагаемые район промысла, время года и дня, характеристики траловой системы, условия шторма, климатические и др. условия, а выходными - оптимальные место лова, маршруты подхода, транспортировки, оценка объема улова, затрат и степени достоверности прогноза. Результаты исследования позволят увеличить эффективность и производительность тралового лова, уменьшить себестоимость морепродуктов, могут быть использованы при разработке «цифровых двойников» траловых систем в тренажерных комплексах.
Ключевые слова: трал, искусственный интеллект, предсказательное моделирование.
A.A. Nedostup, A.O. Razhev
Kaliningrad State Technical University, Kaliningrad, 236022 e-mail: nedostup@klgtu.ru
PROBLEM STATEMENT POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE TECHNOLOGIES FOR PREDICTIVE MODELING OF TRAWL FISHING
With the help of trawls, about 40% of the world's catch is extracted. Today, trawl fishing faces a number of problems: high fuel consumption, low environmental friendliness, damage to the seabed, the trawl system, by-catch, squeezing fish, difficulties in controlling the course and depth of the trawl. Improved handling of the trawl system could make it possible to target shoals of fish, as well as improved maneuvering near obstacles, and control of the shape of the trawl to optimize fishing efficiency. The application of the artificial intelligence technologies capabilities to solve the management problems of the trawl complex is a promising and important scientific research. The existing solutions are discussed in the article. It is proposed to use a neural network, the input data of which will be the expected fishing area, time of year and day, characteristics of the trawl system, storm conditions, climatic conditions, etc. conditions, and the output data will be the optimal fishing location, approach routes, transportation, assessment of the catch volume, costs and the degree of forecast reliability. The results of the study will increase the efficiency and productivity of trawl fishing, reduce the cost of seafood and can be used in the development of "digital twins" of trawl systems in training complexes.
Key words: trawl, artificial intelligence, predictive modeling.
Сегодня траловый лов сталкивается с рядом проблем. К ним относятся высокий расход топлива, повреждение морского дна и траловой системы, а также трудности с контролем курса и глубины нахождения трала. Кроме того, прилов - непреднамеренный отлов нецелевых видов - определяется Всемирным фондом дикой природы как серьезная угроза морской жизни и биоразнообразию.
Траловый лов сегодня имеет большое значение как для экономики, так и для продовольственной безопасности России. При помощи тралов добывается около 40% мирового улова. По данным ФАО общий объем добычи рыбы достиг 94,8 млн т, что является самым высоким показателем за всю историю. Экологическую эффективность траления можно определить как отношение величины улова к величине воздействия на окружающую среду. Воздействие рыболовного судна на окружающую среду в основном связано с расходом топлива и отходами от эксплуатации, в то время как траловые снасти могут привести к удалению и повреждению такого бентоса, как кораллы и губки. Улучшенная управляемость траловым комплексом могла бы сделать возможным прицельный лов косяков рыб, а также улучшенное маневрирование вблизи препятствий, и контроль формы трала для оптимизации эффективности лова.
Сегодня сходят со стапелей современные траулеры. В Санкт-Петербурге состоится торжественный выход судна «Баренцево море» на промысловые испытания [1]. С ходового мостика траулера-процессора «Баренцево море» осуществляется управление траловым комплексом. Судно может работать одним или двумя тралами одновременно. На данном судне реализована автоматизированная система управления промысловым оборудованием.
Применение возможностей технологий искусственного интеллекта (далее ИИ) для задач предсказательного моделирования (далее ПМ) тралового лова на самообучающейся нейронной сети является перспективным и важным научным исследованием. Так, к примеру, норвежская компания «ST0 Technology» прорабатывает на уровне стартапа технологию роботизированного тралового промысла гидробионтов Trawl 2.0 (рис. 1) с применением робототехники [2].
Траловый комплекс будет использовать автономные дроны для повышения эффективности тралового промысла. При этом констатируется, что данное решение будет реализовано в промышленных масштабах, оно способствует снижению расхода топлива при одновременном повышении качества улова. Проблемами тралового лова является высокий расход топлива, повреждение морского дна, прилов и повреждение рыбы. Продолжительное траление вызывает сдавливание рыбы. Между тем более короткие интервалы траления делают промысел менее эффективным и более трудоемким. Trawl 2.0 - новое запатентованное решение, которое в настоящее время находится в стадии разработки, для использования автономных подводных аппаратов (АНПА) для траления.
Другой норвежской компанией «ECO Trawl» предложено использовать вместо траловых досок при облове разноглубинным тралом электрических подруливающих устройств [3]. Чтобы сделать траление более устойчивым, компания «ECO Trawl» разработала новую концепцию траления. Компания планирует разместить мощные электрические подруливающие устройства там, где у традиционных тралов есть траловые доски. Электрические подруливающие устройства, или гребные винты, смогут контролировать курс трала и глубину хода трала и таким образом более точно ориентироваться и наводиться. Боковые и глубинные рули будут управлять гребными винтами вместе с системой управления, собирающей сенсорные данные. Электроэнергия будет обеспечиваться бортовым генератором траулера. Компания «ECO Trawl» в настоящее время проводит технико-экономическое обоснование, чтобы определить, как добиться оптимальной маневренности от подруливающих устройств (рис. 2).
Нужно отметить, что похожие изобретения и рационализаторские предложения были в СССР, а также существуют в России, что подтверждается данными Роспатента. При этом не все изобретения и предложения доводятся до масштабов использования их на промысле. Сегодня в странах применяется технология стартапов. Возможности стартапов более широкие, подкреплены госпрограммами. Например, стартап «Разработка системы автоматизированного проектирования орудий промышленного рыболовства» выполняется при поддержке Фонда содействия развитию малых форм предприятий в научно-технической сфере по программе «Старт - Цифровые Технологии» А.О. Ражевым, А.А. Недоступом и Е.Е. Львовой. В первом полугодии 2021 г. завершается первый этап проекта [4].
Важно сегодня переосмыслить методы и пути повышения эффективности тралового лова и обосновать, подготовить материальную базу, рассчитать экономический эффект и просчитать риски, уменьшить повреждение морского дна и снизить прилов. Это поможет увеличить объем улова и снизить расход топлива. Все это дает возможность решить задачу внедрения ИИ в технологию тралового лова.
Рис. 2. Разноглубинный траловый комплекс с электрическими подруливающими устройствами
Так, нами предлагается, чтобы в режиме прогнозирования входными данными для локальной нейронной сети (функционирующей на судне) служили предполагаемые район промысла, время года и дня, характеристики траловой системы, условия шторма, климатические и др. условия. На выходе нейронная сеть будет предлагать оптимальные места лова, маршруты подхода, транспортировки, оценивать возможный объем улова, затраты и степень достоверности прогноза.
В процессе промысла все данные о процессе лова будут накапливаться в локальной базе данных (на судне). В дальнейшем эти данные будут переноситься в централизованную базу данных (общую для множества добытчиков гидробионтов) и использоваться в процессе обучения централизованной нейронной сети. Доступ к централизованным ресурсам будет осуществляться посредством сети Интернет.
В процессе обучения централизованная нейронная сеть будет использовать информацию о месте промысла, времени года и дня, характеристиках траловой системы, условиях шторма, климатических и др. условиях, а также данные об объеме улова, производительности лова, данные с судна о расходе топлива, пройденному пути времени подхода к месту лова, траления и транспортировки добытой продукции.
Научная новизна работы заключается в применении технологий искусственного интеллекта для автоматизации сбора статистики уловов, процесса тралового лова, поддержки централизованной базы данных тралового промысла.
Актуальность исследования определяется:
- Доктриной продовольственной безопасности Российской Федерации (1 февраля 2010 г.);
- Постановлением Правительства РФ от 26 декабря 2017 г. № 1642 «Об утверждении государственной программы Российской Федерации "Развитие образования"»;
- Национальным проектом «Образование» с 2019 по 2024 гг.;
- Национальным проектом «Производительность труда и поддержка занятости» с 2019 по 2024 гг.;
- Постановлением Правительства Российской Федерации от 15 апреля 2014 г. № 314 «Об утверждении государственной программы Российской Федерации «Развитие рыбохозяй-ственного комплекса»;
- Стратегией развития рыбохозяйственного комплекса Российской Федерации на период до 2030 г.;
- Национальной стратегией развития искусственного интеллекта на период до 2030 г.,
а также необходимостью развития инновационной деятельности ФГБОУ ВО «КГТУ»; создания наукоемких технологий и производств на их основе; интеграции научной, научно-технической и образовательной деятельности на основе различных форм участия преподавателей, студентов, бакалавров, магистров, аспирантов, докторантов КГТУ в научных исследованиях и экспериментальных разработках, а также необходимостью импортозамещения.
Результаты исследования позволят увеличить эффективность и производительность тралового лова, уменьшить себестоимость морепродуктов. Полученные результаты в виде вычислительных алгоритмов и структур данных могут быть использованы при разработке «цифровых двойников» траловых систем виртуальной и дополненной реальности, в тренажерных комплексах для обучения студентов, курсантов и добытчиков гидробионтов.
Литература
1. Колокольчиков А. 4 февраля 2021 года, Санкт-Петербург. «Баренцево море» - первый в новейшей российской истории крупнотоннажный траулер-процессор, построенный на российской верфи по программе инвестиционных квот, - выходит на промысловые испытания [Электронный ресурс] / Объединенная пресс-служба Росрыболовства, 2021. - URL: http://fish.gov.ru/ obiedinennaya-press-sluzhba/novosti/32936-anons-4-fevralya-2021-goda-sankt-peterburg-barentsevo-more-pervyj -v-novej shej -rossij skoj -istorii-krupnotonnazhnyj -trauler-protsessor-postroennyj -na-rossij skoj -verfi-po-programme-investitsionnykh-kvot-vykhodit-na-promyslovye-ispytaniya-2 (дата обращения: 02.02.2021).
2. Ражев А.О., Недоступ А.А., Львова Е.Е. Разработка и испытания опытного образца комплекса программно-технических средств системы автоматизированного проектирования орудий промышленного рыболовства на примере трала: Сведения о начинаемой НИОКТР. - 2019. - Рег. № АААА-А19-119121590003-8.
3. Making trawling more efficient and environment-friendly [Электронный ресурс] // The Explorer: Official marketplace for green tech from Norway. - URL: https://www.theexplorer.no/solutions/eco-trawl-making-trawling-more-efficient-and-environment-friendly (дата обращения: 02.02.2021).
4. Rebooting the trawl industry using underwater drones [Электронный ресурс] // The Explorer: Official marketplace for green tech from Norway. - URL: https://www.theexplorer.no/solutions/rebooting-the-trawl-industry-using-underwater-drones (дата обращения: 02.02.2021).
