人工智能帮助巴西育种者选择本地鱼类所需的特性

如果您观察一网满满的pacus(Piaractusmesopotamicus)，您无法用肉眼区分哪些个体的后代鱼片产量更高或体重增加更快。

它们的生长可以用卷尺监测，也可以用秤称重。数据可以制成表格并进行比较。但要培育出具有正确特征的整个种群，必须对每代大约2,000条鱼进行测量和称重，这项任务可能需要数天时间。

在巴西，圣保罗州立大学(UNESP)的研究人员通过开发使用人工智能实时进行准确测量的软件解决了这个问题。结果发表在水产养殖杂志上。

一段时间以来，该研究小组一直致力于对这种本土物种进行遗传改良，以提高产量，同时降低生产成本。

“当你手动测量鱼时，你得到的数据较少，因为你给它们施加压力，并可能传播疾病导致爆发，更不用说花费宝贵的时间了。我们自动化了这个过程，用pacus的照片训练机器，并标记头部，身体，骨盆带和鳍。我们现在有一个便携式设备，可以带到野外快速完成这项工作并对最好的动物进行分类，”该文章的最后一位作者和位于Jaboticabal的UNESP水产养殖中心的教授DiogoHashimoto说。

研究人员使用了深度学习，这是最新的机器学习之一，它产生结果的速度要快得多，而且还有其他优势。这项创新的使用由JoseRemoFerreiraBrega领导，他是位于Bauru的UNESP科学学院计算系的教授，也是该文章的倒数第二位作者。

在最新的研究中，研究人员着手区分圆形和椭圆形的pacus。该物种在野外有一个圆形的身体，这种特征被认为会影响消费者的购买决定。养鱼者通过选择具有理想高宽比的个体来获得它，以获得更高的腰肉和肋骨产量，这些部位是pacu和tambaqui等本地鱼类消费者的首选。

骨盆大小或头身比等其他测量值可用作鱼片产量、生长速度和增重的指标。

遗传改良

育种者在整个巴西农业部门使用表型选择进行遗传改良，该部门在从鸡、肉牛和猪中生产动物蛋白方面处于世界领先地位。然而，在养鱼业中，这种技术仅适用于鲑鱼和罗非鱼，这两种鱼都是外来物种，在世界范围内大量生产，而且大多数创新都来自国外。

尽管巴西的罗非鱼生产链包括研发，但本土品种的改良才刚刚起步。然而，事实证明，研究人员为pacu创建的软件比罗非鱼等其他物种可用的表型选择技术更具弹性。

“我们的程序甚至可以在水箱侧面识别和测量pacu的不同部分，底部视觉污染和可变光照条件。为罗非鱼开发的系统使用受控光和标准化底部，”Hashimoto说。

大型数据库中pacu表型的系统化将使育种者能够更精确地选择动物，实现由Jaboticabal小组进行并于2021年发表的另一项研究所带来的改进潜力。在这篇文章中，他们描述了pacu和tambaqui(Colossomamacropomum)的简单核苷酸多态性(SNP)。这些遗传密码突变可用于理想性状的基因组作图，从而加速选择和改良。

例如，用于测量鱼片或里脊肉产量的传统方法需要对动物实施安乐死并称重其部位。个体因此丢失，只留下其兄弟姐妹，这些兄弟姐妹在基因上相似，但不一定具有所需的特征。

“将我们的软件与基因组数据相结合的优势在于，我们可以收集必要的信息，并让感兴趣的动物存活下来，以便在选择过程中用作繁殖者，”桥本说。