Akıllı bulut tabanlı RAS yönetimi: optimize edilmiş su ürünleri üretimi için DDPG pekiştirmeli öğrenmenin AWS IoT ile entegrasyonu

Dünyayı Besleyecek Daha Akıllı Balık Tankları

Dünya daha sürdürülebilir protein kaynakları ararken, balık çiftliklerine daha az su, enerji ve kimyasal kullanarak daha fazla deniz ürünü üretme baskısı biniyor. Su sürekli temizlenip yeniden kullanılan kapalı devridaim su ürünleri sistemleri—iç mekan balık tankları—umut verici bir yol sunuyor, ancak işletmeleri zor. Oksijen, asitlik ya da sıcaklıktaki küçük değişiklikler hızla balıkları strese sokabilir veya öldürebilir. Bu makale, buluta bağlı yeni nesil yapay zekâ kontrollü sistemlerin bu yüksek teknoloji çiftlikleri düzgün, güvenilir ve ticari ölçekte çalıştırmasını nasıl sağlayabileceğini inceliyor.

Laboratuvar Deneylerinden Çalışan Balık Çiftliklerine

Önceki çalışmalarda araştırma ekibi, pekiştirmeli öğrenme olarak bilinen bir karar verme yazılımının deneme tanklarında besleme programlarını ve su arıtmayı ayarlamayı öğrenerek koşulları sabit tutup enerji kullanımını azaltabildiğini göstermişti. Sorun, bu başarıların çoğunlukla güçlü bilgisayarlar ve güvenilir internet ile kontrollü laboratuvar ortamlarında gerçekleşmiş olmasıydı. Buna karşılık ticari balık çiftlikleri çok sayıda tank, düzensiz bağlantı ve sınırlı yerel hesaplama gücüyle yoğun endüstriyel alanlardır. Bu çalışma pratik bir soruyu gündeme getiriyor: laboratuvarda çalışan bir AI denetleyicisini gerçek çiftliklerde, onlarca hatta yüzlerce tank içeren ortamlarda dayanıklı, uygun maliyetli ve güvenli hâle nasıl getirirsiniz?

Dört Katmanlı Dijital Sinir Sistemi Kurmak

Bunu ele almak için yazarlar, bir balık çiftliği için dijital bir sinir sistemi gibi davranan dört katmanlı bir mimari tasarladılar. En altta balıkların yaşadığı tanklar, pompalar ve filtreler bulunuyor. Üstünde oksijen, pH, sıcaklık ve temel nitrojen bileşiklerini sürekli ölçen yoğun bir endüstriyel sensör ağı yer alıyor. Bu sensörler veriyi, AI denetleyicinin kırpılmış bir sürümünü çalıştıran küçük yerel bilgisayarlara—"kenar" cihazlara—besliyor. En üstte ise bulut hizmetleri birçok kenar cihazı aynı anda koordine ediyor, aylarca veri depoluyor, gerektiğinde modelleri yeniden eğitiyor ve çiftçiler için paneller sağlıyor. Oksijen düştüğünde havalandırmayı anında artırmak gibi saniyenin parçalarında gerçekleşmesi gereken görevler yerelde, daha yavaş ve ağır hesaplamalar ise buluta kaydırılıyor.

Makul Donanımda Güçlü Yazılımı Eğitmek

Ana zorluk, karmaşık bir karar verme modelini iyi yargısını yitirmeden küçük, enerji verimli makinelerin içine sığdırmaktı. Ekip, akıllı telefon yapay zekâsından ödünç alınan teknikler kullandı; sayıları temsil etmek için daha az bit kullanmak ve sinir ağındaki nadiren kullanılan bağlantıları budamak gibi. Bu adımlar modeli 32 megabayttan sadece 8,3 megabayta düşürdü—yüzde 74 küçülme—ve kararlarını tam sürüme göre yaklaşık yüzde 1,5 içinde tuttu. Altı ay boyunca toplanan 15,5 milyon gerçek çiftlik veri noktasına karşı test edildiğinde, sadeleştirilmiş model hâlâ orijinal denetleyicinin seçimleriyle yüzde 94'ten fazla uyuşuyor ve gerçek zamanlı kontrol için yeterince hızlı olarak yaklaşık 50 milisaniyenin binde biri (50 bin saniyede) civarında yanıt verebiliyordu.

Ağ Sorunları Çıktığında Güvende Kalmak

Balıklar kablosuz bağlantının toparlanmasını bekleyemeyeceğinden sistem agresif güvenlik özellikleriyle inşa edildi. Her kenar cihaz, internet bağlantısı kesilse bile AI'yı yerelde çalıştırmaya devam edebiliyor, oksijen, pH ve sıcaklığı izliyor ve tepki düzeyleri arasında geçiş yapıyor: normal işletme, parametreler kaydıkça hafif düzeltmeler ve eşikler aşıldığında acil eylemler. Araştırmacılar kasıtlı olarak gecikmeler, düşen mesajlar ve hatta 72 saate kadar süren tam bağlantı kesintileri yarattı. Bu testler sırasında sistem küçük ağ aksaklıklarında kontrol performansının neredeyse tamamını korudu ve uzun kesintilerde bile güvenli su kalitesini sürdürdü; bağlantı geri geldiğinde sorunları ne kadar çabuk algıladığı ve nasıl toparlandığını gösteren detaylı kayıtlar tutuldu.

Ticari Ölçekte İşlediğini Kanıtlamak

Bu tasarımın dikkatle yönetilen denemelerin dışındaki ortamlarda da dayanıp dayanmadığını görmek için ekip, 108 tankı ve üç milyondan fazla litre suyu olan çalışan bir devridaim su ürünleri tesisine sistemi konuşlandırdı. Aynı mimari küçük, orta ve büyük tank kümelerine uygulandı ve yalnızca ılımlı ayarlamalar gerektirdi. 180 günlük işletme süresince binlerce sensörden gelen veriler dakikada yaklaşık 15.000 ölçüm hızında sisteme aktı, buna rağmen AI ortalama yaklaşık 47 milisaniye içinde karar verme yapmaya devam etti. Laboratuvar ve çiftlik karşılaştırıldığında, doğruluk, güvenilirlik ve tepki sürelerinin yüksek kaldığı, sistem ölçeklendikçe kontrol edilen su başına maliyetin hızla düştüğü ve geleneksel endüstriyel denetleyiciler ile mevcut nesnelerin interneti platformlarından hız, güvenilirlik ve enerji kullanımı açısından daha iyi performans gösterdiği görüldü.

Geleceğin Balıkçılığı İçin Ne Anlama Geliyor

Alan dışındaki okuyucular için çıkarım şu: yazarlar yalnızca zekice bir algoritma önermekle kalmadılar; AI'nın gerçek balık çiftliklerini güvenli ve ekonomik şekilde nasıl çalıştırabileceğine dair eksiksiz bir planı bir araya getirip test ettiler. Dayanıklı sensörler, yerel akıllı kutular ve bulut koordinasyonunu birleştirerek gelişmiş kontrol yazılımının güvenilmez ağlar, donanım aksaklıkları ve üretimin günlük karmaşıklığı içinde hayatta kalabileceğini gösterdiler. Sonuç, balıkları çoğu zaman sağlıklı koşullar içinde tutan, işler ters gittiğinde hızlı tepki veren ve işletme maliyetlerini düşüren bir sistem oldu. Geniş çapta benimsenirse benzer akıllı bulut‑kenar sistemleri, su, arazi veya enerji talep etmeden artan bir nüfusa daha sürdürülebilir protein sağlamada su ürünleri yetiştiriciliğine yardımcı olabilir.

Atıf: Elmessery, W.M., Shams, M.Y., El-Hafeez, T.A. et al. Intelligent cloud-based RAS management: integration of DDPG reinforcement learning with AWS IoT for optimized aquaculture production. Sci Rep 16, 9617 (2026). https://doi.org/10.1038/s41598-025-33736-7

Anahtar kelimeler: su ürünleri yetiştiriciliği, devridaimli balık çiftlikleri, bulut-kenar AI kontrolü, IoT sensör sistemleri, sürdürülebilir deniz ürünleri