Applied Artificial Intelligence for Precision Fishing: identification and classification of fishing activities

Il costante incremento delle attività di pesca e del traffico marittimo in generale hanno reso il monitoraggio e la classificazione delle attività delle navi una sfida aperta nello scenario marino. Il continuo sfruttamento delle risorse ittiche ha ridotto drasticamente l’abbondanza di queste risorse con conseguenze negative sullo stesso settore della pesca. Nel corso degli anni sono stati introdotti degli strumenti che inizialmente però erano impiegati solamente per migliorare la sicurezza del traffico marittimo. La necessità di risolvere il problema del monitoraggio e della classificazione delle attività delle navi nella nuova era dell’Intelligenza Artificiale (IA) ha portato allo sviluppo e all’applicazione di nuovi metodi nel campo del Machine Learning (ML). In particolare, l’applicazione della IA in questo contesto definisce un nuovo concetto che prende il nome di Precision Fishing. Il lavoro svolto in questa tesi è stato sviluppato in collaborazione con l’Istituto per le Risorse Biologiche e le Biotecnologie Marine del CNR (CNR-IRBIM). L’obiettivo della tesi è incrementare il controllo delle attività di pesca analizzando dati provenienti dal Sistema di Identificazione Automatica (AIS) ed integrandoli ad esempio con le immagini satellitari “Synthetic Aperture RADAR” (SAR). Gli obiettivi della presente tesi hanno riguardato (i) l’identificazione e (ii) la classificazione delle attività di pesca e (iii) l’individuazione delle attività illegali, non dichiarate e non regolamentate (INN), mediante approcci di Intelligenza Artificiale. Nel primo tema di ricerca si presenta un algoritmo in grado di individuare ogni singola sessione di pesca, ossia tutto ciò che accade da quando la nave lascia il porto di partenza fino al porto di destinazione. Per ottenere questo risultato, la prima operazione svolta è quella del filtraggio degli outliers (dati AIS anomali o errati), che è stato ottenuto grazie ad un processo di interpolazione. L’algoritmo sviluppato utilizza un insieme di regole per identificare ciascuna sessione di pesca. Un altro aspetto innovativo dell’algoritmo rispetto allo stato dell’arte è quello di ricostruire sessioni di pesca incomplete, ossia quando quest’ultime non hanno una distribuzione temporalmente uniforme dei dati AIS. L’affidabilità del metodo proposto è stata valutata su un dataset validato da esperti nel settore, ed i risultati ottenuti hanno dimostrato che l’efficacia del metodo è superiore rispetto allo stato dell’arte. Nella seconda tematica si propone una serie di algoritmi basati sulle tecnologie dell’IA al fine di classificare le attività di pesca. In dettaglio vengono realizzati diversi algoritmi di classificazione utilizzando diverse tecniche di Machine Learning e di Deep Learning. L’innovazione apportata allo stato dell’arte rispetto agli obiettivi sopra riportati è nello sviluppo di algoritmi basati su IA che automatizzano processi di analisi dati per supportare decision maker nell’ambito della Precision Fishing. L’affidabilità dei metodi proposti è stata indagata utilizzando dataset validati da esperti nel settore e dallo studio dei comportamenti delle navi su diversi anni. I risultati ottenuti sono superiori allo stato dell’arte e questo fa si che alcuni algoritmi proposti si candidano ad essere considerati come gold standard. Nel terzo tema di ricerca si presenta un algoritmo per l’identificazione delle attività di pesca INN. In questo caso l’utilizzo del solo sistema AIS è insufficiente perché nella maggior parte dei casi, quando la nave è impegnata in questo tipo di attività, i sistemi di bordo vengono spenti in modo da non poter essere rintracciati. La soluzione proposta è quella di integrare i dati AIS con le immagini satellitari SAR in modo da ricostruire l’informazione mancante, e grazie all’algoritmo di classificazione delle attività di pesca, vengono rilevate tutte quelle che sono ritenute sospette. Il metodo proposto è stato validato da esperti nel settore e dall’analisi dei registri di bordo integrando la conoscenza dei sistemi di pesca.