عنوان: Aquawise با هوش مصنوعی و تصاویر ماهوارهای، نظارت بر کیفیت آب مزارع آبزیپروری را در جنوبشرق آسیا بهصرفه میکند
یک استارتاپ بانکوکی به نام Aquawise راهی کمهزینه و مقیاسپذیر برای نظارت بر کیفیت آب مزارع ماهی و میگو ارائه کرده است که مبتنی بر هوش مصنوعی فیزیکمحور و تصاویر ماهوارهای است و نیازی به نصب تجهیزات گرانقیمت در محل ندارد. این راهکار میتواند بهویژه برای تولیدکنندگانی در جنوبشرق آسیا مفید باشد که بهخاطر هزینههای بالای سنسورها و کیتهای آزمایش قادر به استفاده از روشهای مرسوم نیستند.
روش کار و مزایا
– Aquawise با تحلیل تصاویر ماهوارهای سطح آب و ترکیب آن با مدلهای فیزیکی-هوشمصنوعی، پارامترهایی مانند دمای سطح آب، شاخص کلروفیل (نشاندهندهٔ رشد جلبکها) و نشانههایی از سطح اکسیژن محلول را برآورد میکند.
– این سیستم میتواند کیفیت آب را بهصورت پیوسته پایش کند، در حالی که روشهای سنتی معمولاً به صورت روزانه یا هفتگی انجام میشوند. پایش مداوم امکان شناسایی سریع تغییرات و پیشبینی بحرانها را فراهم میکند.
– مزیت اصلی راهکار Aquawise هزینه پایین و عدم نیاز به خرید و نگهداری سختافزار در مزارع است؛ این موضوع موجب دسترسیپذیری بیشتر برای مزارع کوچک و متوسط میشود.
پیشینه و چشمانداز تیم
پاتیپوند تیاپونجانیت (Patipond Tiyapunjanit)، همبنیانگذار و مدیرعامل ۱۹ ساله Aquawise، ایدهٔ اولیه را از پروژهای دربارهٔ لاروی میگو بهدست آورد. او و دو همبنیانگذار دیگر، چاناتی جانتراچوتاچوان (Chanati Jantrachotechatchawan) و کوبچای دوآنگراتانالرِت (Kobchai Duangrattanalert)، پس از همکاری در مسابقات علمی جوانان و کسب جوایزی از جمله موفقیت در مسابقات بینالمللی، در سال ۲۰۲۴ شرکت را تأسیس کردند. طبق گفتهٔ تیم، مشکل کیفیت آب یکی از جدیترین چالشها در صنعت آبزیپروری است و حدود ۸۰٪ مزارع در سطح جهان با آن مواجهاند که سالانه خسارتی نزدیک به ۳۰ میلیارد دلار ایجاد میکند.
از ایدهٔ سونار تا راهکار ماهوارهای
در مراحل اولیه تیم Aquawise ایده استفاده از سونار آکوستیک را نیز آزمایش کرد، اما پس از سنجش هزینه و پیچیدگی اجرا، متوجه شدند که استفاده از دادههای ماهوارهای و مدلهای هوش مصنوعی گزینهای مقرونبهصرفهتر و گستردهتر برای کشاورزان منطقه است. با توجه به پراکندگی مزارع و محدودیتهای بودجهای در جنوبشرق آسیا، راهحل مبتنی بر دادههای دورسنجی میتواند تاثیر عملی و فوریتری داشته باشد.
دقت، آموزش مدل و برنامههای آینده
Aquawise با همکاری چندین مزرعه، دادههای میدانی جمعآوری میکند تا مدل هوش مصنوعی خود را هرچه دقیقتر آموزش و اعتبارسنجی کند. تیم اعلام کرده که پیش از عرضهٔ تجاری، دقت مدل را به سطحی میرساند که بتواند بهصورت قابل اعتماد در تصمیمگیریهای مدیریتی مزارع مورد استفاده قرار گیرد. همچنین برنامهریزی جذب سرمایه در سال آینده در دستور کار شرکت قرار دارد.
اهمیت برای امنیت غذایی و پایداری
پرورش آبزیان یکی از سریعترین بخشهای رو به رشد در تولید مواد غذایی جهانی است و سازمان ملل نیز آن را بهعنوان راهی مؤثر برای تأمین غذای جمعیت رو به افزایش جهان معرفی کرده است؛ زیرا بازده تغذیهای بالا و انتشار گازهای گلخانهای نسبتاً پایین دارد. ابزارهایی مانند Aquawise که نظارت دقیقتر و مقرونبهصرفهتری فراهم میکنند، میتوانند به کاهش ریسکهای زیستمحیطی و اقتصادی در زنجیرهٔ تولید آبزیان کمک کنند.
نمایش فناوری در رویداد بینالمللی
Aquawise در رویداد Startup Battlefield در TechCrunch Disrupt 2025 که از ۵ تا ۷ آبان ۱۴۰۴ (۲۷ تا ۲۹ اکتبر ۲۰۲۵) در سانفرانسیسکو برگزار میشود، فناوری خود را به نمایش خواهد گذاشت. حضور در چنین رویدادهایی میتواند فرصتهای همکاری، جذب سرمایه و ورود به بازارهای نو را برای این استارتاپ جوان فراهم کند.
جمعبندی
استفاده از تصاویر ماهوارهای و مدلهای هوشمصنوعی برای نظارت پیوسته کیفیت آب میتواند تحولی عملی در مدیریت مزارع آبزیپروری بهخصوص در مناطق توسعهیافته کمتر فراهم کند. راهکارهایی که هزینهٔ پیادهسازی پایین و قابلیت مقیاسپذیری دارند، پتانسیل کاهش تلفات، افزایش بهرهوری و تقویت معیشت جوامع محلی را دارند؛ موضوعی که Aquawise با تکیه بر فناوری و دادهمحوری در پی تحقق آن است.