Fish Activity State based an Intelligent Automatic Fish Feeding Model Using Fuzzy Inference

The automated fish feed system currently used in Korea supplies a certain amounts of feed to water tanks at a certain time. This automated system can reduce the labor cost of managing aqua farms, but it is very difficult to control intelligently and appropriately the amount of expensive feed that is critical to aqua farm productivity. In this paper, we propose the FIIFF Inference Model( Fuzzy Inference-based Intelligent Fish Feeding Model) that can solves the problems of these existing automatic fish feeding devices and maximizes the efficiency of feed supply while properly maintaining the growth rate of fish in aqua farms. The proposed FIIFF inference model has the advantage of being able to control feed amounts appropriately since it computes the amount of feed using the current water environments and fish activity state of the aqua farms. The result of the feed amount yield experiment with the proposed FIIFF Inference Model represents the effect of saving 14.8% over the eight months of actual feed amount in the aqua farm.

퍼지추론을 이용한 어류 활동상태 기반의 지능형 자동급이 모델

현재 국내에서 활용되고 있는 자동화된 어류 급이 장치는 특정 시간과 일정량의 사료를 시간에 맞추어 수조에 공급하는 방식이다. 이는 고령화되고 고가인 양식장 관리의 인건비는 줄일 수 있으나 양식 생산성에 결정적 요인이 되는 고가의 사료량을 지능적으로 적절히 조절하기는 매우 어렵다. 본 논문에서는 이러한 기존 자동급이 장치의 문제점을 해결하고, 양식장에서 어류의 성장률을 적절하게 유지하면서 사료 공급의 효율성을 극대화할 수 있는 퍼지추론 기반의 지능형 어류 자동 급이 모델인 FIIFF 추론 모델(Fuzzy Inference based Intelligent Fish Feeding Model)을 제안한다. 본 논문에서 제안하는 FIIFF 지능형 급이 추론모델은 양식어류의 현재 생육 환경 정보 및 실시간 활동 상태를 기반으로 급이량을 산출하기 때문에 사료 급이량 적절성이 매우 높다. 본 연구에서 제안한 FIIFF 추론 모델의 급이량 산출 실험 결과에서는 8개월 동안 양식장에서 실제 투입한 급이량보다 14.8%를 절감하는 효과를 보여준다.