Sviluppo di algoritmi per la classificazione della tipologia di pesca da dati Automatic Identification System

Marine life has a significant impact on our planet, food, oxygen and biodiversity. In particular, fishing has been a primary activity in the Mediterranean Sea that has accompanied humans for millennia. Due to overfishing and illegal fishing some species, such as migratory ones, caused by the risk of over-exploitation. According to the new report of the European Commission, 87% of the marine species present in the Mediterranean and about 40% of the Atlantic ones are caught in an unsustainable way. The responsible of the environmental NGO Oceania, Javier López thinks that "87% of fish in the Mediterranean are a risk, and do not respect their commitments". The automatic identification system (AIS) is very important for the control of marine activities. In this thesis we will see how the information and data provided by AIS were taken. Once imported into Matlab, the data is processed in order to create different datasets. They contain information that distinguishes a type of fishing. Once the data sets have been created, through the machine learning software, we will try to find a rule to classify the types of fishing. In particular, it will become a study on depth longlines and surface longlines which are the most difficult to distinguish one from the other. The basic idea is to distinguish the two boats using data concerning the position and the route, as these types of fishing are different especially in this regard. The thesis is organized into six chapters. The first chapter is an introduction to the topic we are going to deal with. The second chapter presents the software and tools provided, clarifying the aspects relating to the different types of data. Chapter 3 explains the preliminary steps and how the data sets are created before start to process the data, illustrated in the fourth chapter. In chapter 5 the definitive technique that gave the most satisfactory results will be illustrated. Finally, in chapter 6 a summary is made through a series of tables that compare the results of the different algorithms with all the datasets used.

La vita marina ha un impatto significativo sul nostro pianeta, fornendo cibo, ossigeno e biodiversità. In particolare, nel Mediterraneo la pesca è un’attività primaria che accompagna l’uomo da millenni ma a causa della pesca eccessiva e della pesca illegale alcune specie, come quelle migratorie, risultano a rischio di sovra sfruttamento. Secondo il nuovo report della commissione europea, l’87% delle specie marine presenti nel Mediterraneo e circa il 40% di quelle atlantiche sono pescate in modo insostenibile. Il responsabile della ONG ambientalista Oceania, Javier López pensa che "l’87% dei pesci del Mediterraneo è a rischio, e l’Ue non rispetta i suoi impegni". Il sistema di identificazione automatica (Automatic Identification System - AIS) è molto importante per il controllo delle attività marine. In questa tesi si andrà a vedere come sono state prese le informazioni e i dati forniti dall'AIS. I dati, una volta importati in Matlab, vengono elaborati al fine di creare diversi dataset. Essi contengono informazioni che contraddistinguono una tipologia di pesca. Una volta creati i dataset, attraverso software per l'apprendimento automatico, si cercherà di trovare una regola per classificare i tipi di pesca. In particolare, si farà uno studio sui palangari di profondità ed i palangari di superficie che sono le più difficili da distinguere l'una dall'altra. L'idea di base è quella di distinguere le due imbarcazioni utilizzando i dati riguardanti la posizione e la rotta, in quanto queste tipologie di pesca sono differenti soprattutto sotto questo aspetto. La tesi è organizzata in sei capitoli. Il primo capitolo è un'introduzione all'argomento che andremo ad affrontare. Nel secondo capitolo si introducono i software e gli strumenti utilizzati chiarendo gli aspetti relativi ai diversi tipi di dati. Nel capitolo 3 verranno illustrati i passaggi preliminari e come vengono creati i dataset prima di poter iniziare ad elaborare i dati, illustrato nel quarto capitolo. Nel capitolo 5 verrà illustrata la tecnica definitiva che ha dato i risultati più soddisfacenti. Per concludere nel capitolo 6 viene fatto un riepilogo attraverso una serie di tabelle che confrontano i risultati dei diversi algoritmi con tutti i dataset usati.