Resumen

Con la rápida emergencia de la tecnología de aprendizaje profundo (DL, por sus siglas en inglés), se ha utilizado con éxito en diferentes campos como el producto acuático. Nuevas oportunidades además de desafíos pueden ser creadas de acuerdo a este cambio para ayudar en el procesamiento de datos en la granja inteligente de peces. Este estudio se centra en las aplicaciones de aprendizaje profundo y cómo apoyar diferentes actividades en el ámbito acuático como la identificación de los peces, clasificación de especies, toma de decisiones de alimentación, análisis de comportamiento, estimación de tamaño y predicción de calidad del agua. La potencia y el rendimiento de la computación con los datos analizados se aplican en el método de DL propuesto dentro de la acuicultura. Los resultados del método propuesto muestran la importancia de las contribuciones en el aprendizaje profundo y cómo se extraen automáticamente las características. Aún así, existe un gran desafío en el uso del aprendizaje profundo en la era de la inteligencia artificial. El entrenamiento del método propuesto utiliz

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Tecnología; Aprendizaje profundo; Producto acuático; Piscifactoría; Clasificación de especies; Calidad del agua
• Keywords:Technology; Deep learning; Aquatic product; Fish farm; Species classification; Water quality