[Người Nuôi Tôm] – Theo thống kê gần nhất, hơn một nửa số công ty khởi nghiệp năm 2025 về công nghệ nuôi trồng thủy sản trên toàn cầu sẽ tận dụng Al, với các ứng dụng bao gồm tối ưu hoá thức ăn (34%), dự báo sinh khối và tăng trưởng (41%), theo dõi sức khỏe và dự đoán dịch bệnh (26%).

Trí tuệ nhân tạo hay Al (Artificial Intelligence) là một lĩnh vực trong khoa học máy tính tập trung vào việc tạo ra các hệ thống, chương trình hoặc máy móc có khả năng thực hiện các nhiệm vụ mà trước đây chỉ con người mới có thể làm được. Áp dụng Al trong nuôi trồng thuỷ sản mang lại nhiều lợi ích như: nâng cao hiệu quả sản xuất, giảm chi phí; Giám sát liên tục, phát hiện nguy cơ nhanh chóng; Giảm sự phụ thuộc vào kinh nghiệm chủ quan; Thích ứng linh hoạt và tăng tính bền vững.

Tôm được nuôi trong hệ thống Al của Công ty Attaraya Inc, Oaxaca, Mexico (Ảnh: Atarraya Inc.)

 

Giám sát môi trường nuôi tự động

Kiếm soát chất lượng nước đóng vai trò vô cùng quan trọng cho bất kỳ hoạt động nuôi trồng thủy sản nào. Hệ thống nuôi với các cảm biến thông minh và các mô hình dự đoán Al có thể theo dõi chất lượng nước (nồng độ oxy, độ pH, nhiệt độ, độ mặn, nitrite, amoniac…) trong ao nuôi thủy sản được đo lường theo thời gian thực. Khi các yếu tố môi trường vượt ngưỡng, hệ thống tự động kích hoạt các giải pháp xử lý và thay nước nếu cần thiết. Các giải pháp AI đưa ra thường được cân nhắc trên ma trận các yếu tố liên quan, điều mà việc đo lường thủ công do con người thực hiện khó có thể tính toán hết.

AI sử dụng các mô hình máy học để học mối liên hệ giữa biến động môi trường và tình trạng của ao nuôi trong quá khứ. Nó có thể phân tích dữ liệu như nhiệt độ lượng mưa, lượng tôm thả nuôi, lượng thức ăn… để dự đoán và cảnh báo các rủi ro môi trường. Một nghiên cứu về ứng dụng Al ở Bangladesh đã chứng minh hệ thống Al có thể dự đoán chính xác các yếu tố môi trường nước ao nuôi tôm của ngày hôm sau đúng tới 94%. Al cũng có thể xử lý và cảnh báo chi tiết, các diễn biến của hệ vi sinh vật ao nuôi dựa trên khả năng ước tính khối lượng tôm, lượng thức ăn và hóá chất sử dụng. Hệ thống có thể cảnh báo tác động của các yếu tố môi trường nước tới tỉ lệ sống của tôm, cá.

Thực tế cho thấy việc ổn định chất lượng nước ảnh hưởng trực tiếp đến tỷ lệ chết, có thể lên tới 50% đối với tôm và 13 – 26% đối với cá, khiến lợi ích kinh tế của những công nghệ này trở nên đáng kể. Các giải pháp kỹ thuật số dành riêng cho quản lý chất lượng nước đang được phát triển tích cực và chiếm khoảng 44% phần mềm nuôi trồng thủy sản hiện nay.

Trong một nghiên cứu về nuôi tôm trong nhà ở Đức, camera điện thoại thông minh đã được sử dụng để chụp ảnh mặt nước, phân tích quần thể tôm và các dấu hiệu căng thằng theo thời gian thực, từ đó xác định tốc độ tăng trưởng và tỷ lệ chết. Công nghệ Al này đã cải thiện tỷ lệ sống sót và hiệu quả sử dụng thức ăn bằng cách phát hiện những thay đổi trong hành vi của tôm (sự phân tán bất thường hoặc giảm di chuyển), đưa ra cảnh báo sớm về các dấu hiệu căng thắng, tính toán mật độ thả giống tối ưu, điều chỉnh chế độ quạt nước hay cảnh báo thu hoạch sớm.

 

Dự đoán và phát hiện sớm dịch bệnh

Al có thể học từ dữ liệu lịch sử về bệnh học, con giống, chế độ nuôi, môi trường để chẩn đoán bệnh và nguy cơ bùng phát dịch. Phân tích hình ảnh hỗ trợ Al cũng đang được sử dụng trong các trang trại để so sánh màu sắc, các dấu vết tổn thương, trên cơ sở đó cho biết động vật nuôi đang có dấu hiệu ký sinh trùng, nấm, vi khuẩn hay virus. Hệ thống này cũng có thể cho biết các các dấu hiệu thiếu khoáng ở tôm, sự tổn thương mang do tiếp xúc với môi trường có độc tố cũng như các bệnh đường ruột. Ngoài ra, các camera Al còn có thể phân biệt tôm sống và tôm chết, gom, phân loại và kiểm đếm chúng.

Hệ thống camera quan sát kết hợp với máy bay không người lái và robot dưới nước đang ngày càng trở nên phổ biến, giúp hoàn thành các nhiệm vụ giám sát và bảo trì mà con người khó có thể thực hiện. Ví dụ, các thuật toán Al trên robot dưới nước đang được sử dụng để loại bỏ tôm, cá chết hoặc làm sạch thành bể. Trong nuôi cá biển, robot laser đang được sử dụng để loại bỏ ký sinh trùng bám trên thân cá. Công nghệ tự động hoá không chỉ giải quyết bài toán thiếu hụt lao động và giảm thiểu các sự cố an toàn, đồng thời việc tích lũy dữ liệu mở đường cho các quy trình nuôi trồng thủy sản được chuẩn hóa. Đến nay, nhiều công ty thủỷ sản đã áp dụng các hệ thống Al vào trong sản xuất, kiểm soát dịch bệnh như eFishery (Indonesia), AquaCloud (Na Uy).

Al giúp xác định chiều dài cơ thể để tính trọng lượng cá thể (màu đỏ = chiều dài chưa đo, màu xanh lá cây = chiều dài đã đo) (Ảnh: Alfred-Wegener-Institut/Stephan Ende)

 

Quản lý thức ăn và tự động hoá cho ăn

Thức ăn luôn chiếm một tỉ lệ rất lớn, khoảng 50 – 80% trong tổng chi phí sản xuất. Nếu việc sử dụng thức ăn không hiệu quả, gây lãng phí dù chỉ 1% cũng là một con số rất lớn. Hơn nữa, sử dụng thức ăn không hiệu quả còn dẫn đến những hệ luy. về chất lượng môi trường và dịch bệnh. Ứng dụng công nghệ trí tuệ nhân tạo (AI) mang đến một giải pháp mới để giải quyết bài toán chi phí thức ăn, đồng thời hiện thực hoá quá trình chuyển đổi từ “quản lý mở rộng” sang “tối ưu hóa dựa trên dữ liệu” thông qua việc cho ăn chính xác. Các camera dưới nước kết hợp các thuật toán có thể tự động đếm và ước lượng chính xác chiều dài, trọng lượng tôm cá trong ao theo thời gian thực với độ chính xác lên đến 95%.

Ngoài ra, nó có thể hiểu được tình trạng sinh lý, mức độ hoạt động và tính toán chính xác lượng thức ăn cần thiết. Phân tích các hình ảnh từ camera, Al có thể xây dựng “bản đồ cảm biến nhiệt” để biết được khu vực nào trong ao nuôi tập trung nhiều tôm, cá và phân phối lượng thức ăn tới khu vực đó một cách hợp lý nhất. Hệ thống này cũng có thể biết được tần suất thu nhận thức ăn và đánh giá tính hấp dẫn của loại thức ăn sử dụng. Kết hợp với các cảm biến môi trường camera Al và công nghệ thị giác máy tính cũng có thể phân tích xác định lượng thức ăn thừa và các tác động để từ đó liên tục điều chỉnh lương thức ăn chính xác nhất. Trong nuôi tôm, micro dưới nước và cảm biến rung có thể phát hiện âm thanh khi tôm ăn và xác định mức độ đói của tôm.

Hệ thống cho ăn tự động dựa trên dữ liệu này cải thiện hiệu quả thức ăn, giảm nước thải và tăng cường cả lợi ích kinh tế lẫn môi trường. Tại một trang trại nuôi biển ở Trung Quốc, hệ thống cho ăn chính xác đã giảm 5% hiệu suất chuyển đổi thức ăn, tiết kiệm 1,8 triệu nhân dân tệ chi phí thức ăn hàng năm, giảm tốn thất do dịch bệnh từ 12% xuống 5% và giảm 40% chi phí lao động. Công ty khởi nghiệp eFishery (Indonesia) đã thành công trong việc giảm chi phí thức ăn tới 20% và cải thiện tốc độ tăng trưởng bằng cách giới thiệu một máy cho ăn ứng dụng Al, cho ăn tự động.

 

AI đang dẫn tiếp cận ngành nuôi trồng thủy sản Việt Nam

Ở nước ta, trong các công nghệ thông minh, ứng dụng các cảm biến để quan trắc và cảnh báo môi trường được đưa vào nghiên cứu từ đầu những năm 2000. Năm 2022, Tập đoàn Việt-Úc đã hợp tác với AquaEasy (Singapore) để xây dựng mô hình nuôi kiểu mẫu ứng dụng nhiều công nghệ thông minh. Đến nay, nhiều trang trại công nghệ cao đã áp dụng hệ thống tự động siphon, thay nước, quạt nước… Công ty CP Tép Bạc cũng đã đưa những ứng dụng Al vào hệ thống “Farmext” giúp cảnh báo sớm nguy cơ bệnh và hướng dẫn phòng trị theo mô hình học máy.

Tuy nhiên, công nghệ tự động được áp dụng phổ biến nhất trong nuôi thuỷ sản hiện nay ở nước ta là những hệ thống cho ăn tự động, mặc dù các hệ thống này chưa liên kết với các dữ liệu quan trắc môi trường, sinh khối tôm nuôi cũng như tình trạng sinh lý của chúng. Gần đây, Công ty Thuốc thuỷ sản Megavet đã tính đến xây dựng cơ sở dữ liệu khách hàng và số hoá để áp dụng Al trong việc quản lý, kiểm soát sử dụng thuốc, chế phẩm và cảnh báo sớm về dịch tế, bệnh ở vật nuôi.

Dù có nhiều ưu điểm, phát triển công nghệ AI hiện nay trong thuỷ sản còn có nhiều thách thức. Vấn đề chi phí của công nghệ là những trở ngại đầu tiên. Ngoài ra, nhân lực vừa có kiến thức về Al vừa có chuyên môn về thuỷ sản còn thiếu rất nhiều. Bên cạnh đó yếu tố hạ tầng mạng, truyền dữ liệu còn hạn chế ở nhiều vùng nuôi xa trung tâm. Bản thân ngành thuỷ sản cũng cần có thời gian thu thập dữ liệu đủ lớn để huấn luyện AI một các chính xác.

TS. Nguyễn Ngọc Tuấn

Khoa Thủy sản, Học viện Nông nghiệp Việt Nam