Colección SciELO Chile

Departamento Gestión de Conocimiento, Monitoreo y Prospección
Consultas o comentarios: productividad@anid.cl
Búsqueda Publicación
Búsqueda por Tema Título, Abstract y Keywords



Advancing Precision Aquaculture Through Big Data Analytics and Machine Learning in Canadian Fish Farming
Indexado
Scopus SCOPUS_ID:85212402794
DOI 10.1109/OCEANS55160.2024.10754571
Año 2024
Tipo

Citas Totales

Autores Afiliación Chile

Instituciones Chile

% Participación
Internacional

Autores
Afiliación Extranjera

Instituciones
Extranjeras


Abstract



The aquaculture industry faces significant challenges related to sustainability, productivity, and fish welfare. Key issues include managing environmental conditions, disease, pests, and data integration from various sensors and monitoring systems. The BigFish project aims to address these challenges through advanced analytics and machine learning, focusing on three case studies in Atlantic salmon farms: predicting oxygen levels, reducing sea lice infestations, and improving data interaction and visualization. Predictive models for oxygen levels and sea lice infestation, as well as natural language interfaces for data visualization, demonstrate the potential for improved decision-making and management practices in aquaculture. Early results indicate the effectiveness of these approaches, highlighting the importance of data-driven solutions in enhancing industry sustainability and productivity.

Revista



Revista ISSN
2014 Oceans St. John's 0197-7385

Métricas Externas



PlumX Altmetric Dimensions

Muestra métricas de impacto externas asociadas a la publicación. Para mayor detalle:

Disciplinas de Investigación



WOS
Sin Disciplinas
Scopus
Sin Disciplinas
SciELO
Sin Disciplinas

Muestra la distribución de disciplinas para esta publicación.

Publicaciones WoS (Ediciones: ISSHP, ISTP, AHCI, SSCI, SCI), Scopus, SciELO Chile.

Colaboración Institucional



Muestra la distribución de colaboración, tanto nacional como extranjera, generada en esta publicación.


Autores - Afiliación



Ord. Autor Género Institución - País
1 Bravo, Francisco - Universidad Adolfo Ibáñez - Chile
2 Amorim, Joana - Dalhousie University - Canadá
3 Amirkandeh, Melika Besharati - Dalhousie University - Canadá
4 Bodorik, Peter - Dalhousie University - Canadá
5 Cerqueira, Vitor - Universidade do Porto - Portugal
6 Gomes, Nuno R.C. - Instituto de Estudios Espaciales de Cataluña - España
7 Korus, Jennie - Innovasea Marine Systems Canada - Canadá
8 Oliveira, Mariana - Dalhousie University - Canadá
9 Parent, Marianne - University of Prince Edward Island Atlantic Veterinary College - Canadá
10 Pimentel, João - Dalhousie University - Canadá
11 Reilly, Derek - Dalhousie University - Canadá
12 Sclodnick, Tyler - Innovasea Marine Systems Canada - Canadá
13 Grant, Jon - Dalhousie University - Canadá
14 Filgueira, Ramón - Dalhousie University - Canadá
15 Whidden, Christopher - Dalhousie University - Canadá

Muestra la afiliación y género (detectado) para los co-autores de la publicación.

Financiamiento



Fuente
Atlantic Fisheries Fund

Muestra la fuente de financiamiento declarada en la publicación.

Agradecimientos



Agradecimiento
This work was supported by the Atlantic Fisheries Fund project \"Big Data and Precision Fish Farming in Nova Scotia\" (AFF-NS-1544).

Muestra la fuente de financiamiento declarada en la publicación.