Oleh: Nur Syamila Kamarul Arefin
Foto Oleh: Muhammad Najman Saleh
Ramai orang gemar memelihara ikan, sama ada sebagai haiwan peliharaan mahupun sebagai sumber pendapatan melalui pembiakan dan penjualan. Namun begitu, tidak semua benar-benar memahami keperluan serta pantang-larang dalam penjagaan ikan yang betul.
Mungkin ramai yang belum tahu bahawa ikan juga boleh mengalami tekanan atau dalam istilah mudahnya, stres. Ya, bukan manusia sahaja yang terdedah kepada stres haiwan, termasuk ikan, turut mengalaminya.
Malah, tekanan dalam kalangan ikan boleh memberi kesan langsung terhadap kesihatan dan pertumbuhan mereka. Salah satu petunjuk ikan berada dalam keadaan stres ialah perubahan fisiologi, khususnya turun naik kadar glukosa dalam darah, yang seterusnya menyebabkan penurunan nafsu makan.
Tekanan ini berlaku apabila isyarat daripada faktor luaran yang mengganggu diterima oleh organ reseptor, lalu dihantar ke otak melalui sistem saraf. Dalam konteks industri akuakultur, kesejahteraan ikan merupakan aspek yang amat penting kerana ia menentukan tahap kualiti dan hasil ternakan.
Bagaimanapun, mengesan tahap stres dalam kalangan ikan bukanlah perkara mudah. Kaedah tradisional yang sering digunakan kebiasaannya bersifat invasif dan terhad dari segi kemampuan memantau tingkah laku secara berterusan.
Menyedari keperluan kepada pendekatan yang lebih mesra ikan dan berkesan, Muhammad Alzammudin Serajudeen, pelajar tahun akhir Bacelor Kejuruteraan Elektrikal dan Elektronik, Universiti Putra Malaysia (UPM), tampil dengan sebuah inovasi berpotensi tinggi dalam bidang akuakultur moden.
Beliau telah membangunkan satu sistem pemantauan stres ikan yang bersifat automatik, kos rendah dan boleh digunakan dalam persekitaran semula jadi. Menurutnya, sistem ini direka bentuk untuk mengenal pasti perubahan tingkah laku ikan yang menunjukkan tanda-tanda tekanan. Tumpuan utama diberikan kepada usaha mengukur tingkah laku ikan yang mengalami tekanan secara kuantitatif, membina sistem pemantauan yang mampu beroperasi secara automatik dan menilai keberkesanan penggunaan algoritma pembelajaran mesin dalam mengenal pasti tahap stres dengan lebih tepat.
Dari sudut teknikal, sistem ini dibina berdasarkan seni bina berlapis yang menggabungkan pelbagai sensor seperti kamera, sensor suhu air, pH, dan oksigen terlarut.
Data daripada semua sensor ini dihantar dan diproses menggunakan peranti Raspberry Pi dan ESP32 dengan bantuan skrip Python. Untuk menganalisis tingkah laku ikan, beliau menggunakan model pembelajaran mendalam berasaskan algoritma YOLO (You Only Look Once), yang dibangunkan khusus untuk mengenal pasti corak pergerakan ikan secara automatik. Ciri-ciri seperti kadar pergerakan, jarak antara ikan dan sudut perubahan arah digunakan sebagai penanda aras untuk menilai tahap stres, yang kemudiannya dikategorikan kepada tiga peringkat: rendah, sederhana dan tinggi.
Model YOLOv2 yang dibangunkan menunjukkan prestasi yang sangat baik dengan ketepatan pengesanan yang tinggi. Begitu juga dengan sensor suhu dan pH yang digunakan dalam sistem ini, di mana kedua-duanya menunjukkan nilai ralat purata yang rendah, menjadikan keseluruhan sistem ini mampu memberikan pemantauan yang konsisten dan boleh dipercayai.
Lebih menarik, sistem ini turut dilengkapi muka pengguna yang membolehkan penternak ikan memantau tahap stres secara visual dan masa nyata. Inovasi ini bukan sahaja membantu mengesan tekanan dalam kalangan ikan lebih awal, tetapi juga mengurangkan kebergantungan kepada kaedah lama yang melibatkan pengendalian fizikal ikan.
Beliau berharap agar sistem yang dibangunkan ini dapat dimanfaatkan secara meluas dalam industri akuakultur moden dengan penggunaan teknologi pintar seperti ini. Dengan inovasi seperti ini, dunia akuakultur bukan lagi bergantung kepada naluri dan pengalaman semata-mata. Ia kini dipacu oleh data, kecerdasan buatan dan teknologi pintar. Apa yang dicipta oleh anak muda UPM ini bukan sahaja satu pencapaian akademik, tetapi juga satu langkah berani ke arah masa depan akuakultur yang lebih lestari, beretika dan berdaya saing di peringkat global.
