SciELO - Scientific Electronic Library Online

 
vol.13 issue1Methanolic extract of Crotalaria longirostrata: Identification of secondary metabolites and insecticidal effectEcological interactions of nematophagous fungi and their potential use in tropical crops author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

  • Have no similar articlesSimilars in SciELO

Share


Scientia Agropecuaria

Print version ISSN 2077-9917

Abstract

VASQUEZ-QUISPESIVANA, Wilfredo; INGA, Marianela  and  BETALLELUZ-PALLARDEL, Indira. Inteligencia artificial en acuicultura: fundamentos, aplicaciones y perspectivas futuras. Scientia Agropecuaria [online]. 2022, vol.13, n.1, pp.79-96.  Epub Jan 05, 2022. ISSN 2077-9917.  http://dx.doi.org/10.17268/sci.agropecu.2022.008.

Los avances en las tecnologías de manejo de datos se están adecuando a resolver dificultades e impactos que la acuicultura manifiesta, algunos aspectos que a través de los años no se han podido manejar plenamente, ahora son más factibles de resolver, como la optimización de las variables que intervienen en el crecimiento e incremento de biomasa, la predicción de parámetros de calidad de agua para manejar y tomar decisiones durante el cultivo, la evaluación del medio ambiente acuícola y el impacto que genera la acuicultura, el diagnóstico de enfermedades de los peces para determinar tratamientos más puntuales, el manejo, gestión y cierre de granjas acuícolas. El objetivo del presente artículo fue revisar dentro de los últimos 20 años las diversas técnicas, metodologías, modelos, algoritmos, softwares y dispositivos que se utilizan dentro de los sistemas de inteligencia artificial, aprendizaje automático y aprendizaje profundo, para resolver de una manera más sencilla, rápida y precisa las dificultades e impactos que la acuicultura evidencia. Además, se explican los fundamentos de la inteligencia artificial, aprendizaje automático y aprendizaje profundo, así también las recomendaciones de estudio futuro sobre áreas de interés en acuicultura, como la reducción de los costos de producción mediante la optimización de la alimentación en función de las buenas prácticas de acuicultura y parámetros de calidad de agua, la identificación del sexo en peces que no presentan dimorfismo sexual, la determinación de atributos de calidad como el grado de pigmentación en salmones y truchas.

Keywords : Acuicultura; inteligencia artificial; redes neuronales; aprendizaje automático; aprendizaje profundo; optimización.

        · abstract in English     · text in Spanish     · Spanish ( pdf )