Overseas
Un sistema di intelligenza artificiale sviluppato per l’acquacoltura permette di contare i pesci in tempo reale, anche in acque torbide o con luce variabile. La ricerca, pubblicata su Applied Intelligence e firmata anche dalla professoressa Niusha Shafiabady dell’Australian Catholic University, ha testato i modelli YOLO11 e YOLOv8 su 6.500 immagini reali di impianti di acquacoltura, raggiungendo una precisione media superiore a 0,99. Il punto non è soltanto tecnologico: un conteggio più rapido e affidabile può aiutare gli allevatori a ridurre lavoro manuale, sprechi di mangime, stress per gli animali e perdite di stock.
Quando il numero dei pesci diventa una decisione
In acquacoltura contare i pesci non è un esercizio statistico. È una parte concreta della gestione dell’allevamento. Da quel numero dipendono la quantità di mangime, la lettura dei comportamenti, la valutazione della crescita, la prevenzione delle perdite e, in molti casi, la capacità di intervenire prima che un problema diventi economico, sanitario o produttivo.
Per questo la ricerca del team di cui fa parte Niusha Shafiabady merita attenzione. Non perché aggiunge l’ennesima applicazione dell’intelligenza artificiale a un settore già attraversato dalla digitalizzazione, ma perché prova a risolvere un problema semplice da raccontare e difficile da gestire: sapere quanti pesci ci sono mentre l’allevamento è in piena attività.
Il conteggio manuale resta una delle operazioni più delicate. Richiede tempo, personale, esperienza e, a seconda degli impianti, può comportare movimentazioni, interruzioni e stress per gli animali. Inoltre non sempre restituisce un dato continuo. Fotografa un momento, non necessariamente l’evoluzione reale della vasca.
Qui entra in gioco il valore del monitoraggio automatico. Un sistema capace di leggere le immagini in tempo reale può trasformare ciò che l’occhio umano osserva a intervalli in un flusso costante di informazioni.
Il dato utile nasce in condizioni imperfette
Il passaggio più interessante della ricerca riguarda l’ambiente di prova. I modelli non sono stati valutati soltanto in condizioni ideali, ma su immagini reali provenienti da impianti di acquacoltura. È un dettaglio decisivo.
In allevamento l’acqua non è sempre limpida. La luce cambia. I pesci si muovono, si sovrappongono, si concentrano in alcune zone della vasca. La densità può rendere difficile distinguere i singoli animali. Sono proprio queste condizioni, lontane dalla pulizia di un laboratorio, a determinare se una tecnologia può essere davvero utile oppure resta una buona dimostrazione tecnica.
I ricercatori hanno testato due modelli di rilevamento, YOLO11 e YOLOv8. Entrambi hanno raggiunto livelli di precisione molto elevati, con una media superiore a 0,99. La scelta operativa si è orientata su YOLO11 per la minore latenza, quindi per la maggiore rapidità nella risposta.
Il sistema è stato poi esportato in formato ONNX, ottenendo un’accelerazione di circa il 25% senza compromettere in modo significativo la precisione. Questo rende la tecnologia più adatta all’utilizzo su dispositivi edge a basso costo, installabili vicino alla vasca o all’impianto, senza dipendere sempre da infrastrutture informatiche pesanti.
In altre parole, il dato può nascere dove serve: accanto ai pesci.
Meno sprechi e più controllo sul benessere animale
Il primo effetto pratico riguarda l’alimentazione. Se l’allevatore conosce con maggiore precisione la consistenza dello stock, può calibrare meglio il mangime. Questo significa ridurre sprechi, contenere i costi e limitare l’accumulo di residui nell’ambiente di allevamento.
È un aspetto economico, ma anche gestionale e ambientale. Il mangime è una delle voci più rilevanti nei costi dell’acquacoltura. Distribuirlo male significa perdere efficienza. Distribuirlo meglio significa avvicinare la produzione a un equilibrio più sostenibile.
Il conteggio in tempo reale può inoltre contribuire al monitoraggio del comportamento dei pesci. Variazioni improvvise, anomalie nella distribuzione degli animali o scostamenti rispetto ai dati attesi possono diventare segnali precoci. Non sostituiscono l’esperienza dell’allevatore, ma la rafforzano.
È questa la parte più concreta dell’intelligenza artificiale applicata all’acquacoltura: non togliere centralità a chi lavora in impianto, ma offrire informazioni più tempestive, più regolari e meno dipendenti dalla sola osservazione manuale.
L’innovazione conta quando entra nella routine
La tecnologia, da sola, non migliora un allevamento. Lo fa solo quando diventa compatibile con la routine produttiva, con i costi reali delle aziende e con le condizioni fisiche degli impianti.
Per questo il lavoro pubblicato su Applied Intelligence è rilevante. Non si limita a misurare la performance di un algoritmo, ma prova a portare il sistema verso un utilizzo pratico: conteggio continuo, allarmi tempestivi, dispositivi accessibili, funzionamento in vasche reali.
Per gli allevatori significa poter ridurre alcune attività ripetitive e avere più controllo sui momenti critici. Per la filiera significa avanzare verso un’acquacoltura più misurabile, dove salute animale, efficienza alimentare e sostenibilità non restano concetti generali, ma diventano dati da osservare giorno per giorno.
La domanda globale di proteine ittiche continua a crescere. L’acquacoltura sarà chiamata a produrre di più, ma anche a farlo meglio. In questo scenario, il valore dell’intelligenza artificiale non sta nella promessa di automatizzare ogni decisione. Sta nella capacità di rendere visibile ciò che spesso sfugge.
Anche un gesto apparentemente semplice, come contare i pesci, può diventare una leva di gestione. Se avviene nel momento giusto, con precisione e senza interrompere il lavoro dell’allevamento, può aiutare a prevenire perdite, ridurre sprechi e proteggere meglio gli animali.
La vera innovazione, in fondo, non è quella che impressiona sulla carta. È quella che entra in vasca e aiuta chi produce a decidere meglio.
