Enhancing Aquaculture in Kuwait through Automation and Disease Prediction with Artificial Intelligence

أصبحت الزراعة المائية في الكويت معترفًا بها تزايدًا كواحدة من الركائز الرئيسية لإنتاج غذاء الأسماك في السنوات الأخيرة. ومع ذلك، على الرغم من أهميتها، شهدت الصناعة تفشيات متكررة للأمراض بين أنواع الزراعة المائية تقريبا كل عام، مما أدى إلى فقدان في الإنتاج والأرباح. لقد ثبتت الطرق التقليدية لتشخيص وعزل التفشيات كأنها غير كافية، وغالبًا ما تكتشف الأمراض عندما يصبح من الصعب التخفيف من تأثيرها. تقدم مقترحنا نظامًا آليًا يعتمد على التعلم الآلي يمكنه التنبؤ بظهور محتمل للأمراض والتحكم في ظروف البيئة المحيطة للحد من هذا المخاطر والحفاظ على العوامل المثلى للإنتاج. سيتعلم النظام الخصائص الطبيعية للمسابح في المزرعة من خلال جمع البيانات المتعلقة بالبيئة، بما في ذلك درجة حرارة المياه، وملوحتها، وحموضتها. من المتوقع أن يتم اختبار النظام تجريبيًا في مسابح الزراعة المائية الموجودة ضمن معهد الكويت للأبحاث العلمية لتقييم فعالية الحل المقترح.

Aquaculture in Kuwait has become increasingly regarded as one of the main sources of fish food production in recent years. However, the industry has consistently witnessed outbreaks of diseases among aquaculture species populations almost every year, leading to loss of production yield and profits. Traditional techniques to diagnosis and isolate outbreaks have been shown to be ineffective, as reactive methods often detect the disease when it is too late. Our proposal introduces an automated machine learning-based system that would anticipate the possible onset of a disease and control the conditions of the surrounding environment to minimize that risk. The system would learn the normal characteristics of the pools in the farm by collecting data related to the environment, including water temperature, salinity, and acidity. The system is expected to be experimentally tested in aquaculture pools located within the Kuwait Institute of Scientific Research to measure the effectiveness of the proposed solution.