Aquaculture produces more than 122 million tons of fish globally. Among the several economically important species are the Serrasalmidae, which are valued for their nutritional and sensory characteristics. To meet the growing demand, there is a need for automation and accuracy of processes, at a lower cost. Convolutional neural networks (CNNs) are a viable alternative for automation, reducing human intervention, work time, errors, and production costs. Therefore, the objective of this work is to evaluate the efficacy of convolutional neural networks (CNNs) in counting round fish fingerlings (Serrasalmidae) at different densities using 390 color photographs in an illuminated environment. The photographs were submitted to two convolutional neural networks for object detection: one model was adapted from a pre-trained CNN and the other was an online platform based on AutoML. The metrics used for performance evaluation were precision (P), recall (R), accuracy (A), and F1-Score. In conclusion, convolutional neural networks (CNNs) are effective tools for detecting and counting fish. The pre-trained CNN demonstrated outstanding performance in identifying fish fingerlings, achieving accuracy, precision, and recall rates of 99% or higher, regardless of fish density. On the other hand, the AutoML exhibited reduced accuracy and recall rates as the number of fish increased.

Identifying and counting fish are crucial for managing stocking, harvesting, and marketing of farmed fish. Researchers have used convolutional networks for these tasks and explored various approaches to enhance network learning. Batch normalization is one technique that improves network stability and accuracy. This study aimed to evaluate machine learning for identifying and counting pirapitinga Piaractus brachypomus fry with different batch sizes. The researchers used one thousand photographic images of Pirapitinga fingerlings, labeled with bounding boxes. They trained the adapted convolutional network model with batch normalization layers added at the end of each convolution block. They set the training to one hundred and fifty epochs and tested batch sizes of 5, 10, and 20. Furthermore, they measured network performance using precision, recall, and mAP@0.5. Models with smaller batch sizes performed less effectively. The training with a batch size of 20 achieved the best performance, with a precision of 96.74%, recall of 95.48%, mAP@0.5 of 97.08%, and accuracy of 98%. This indicates that larger batch sizes improve accuracy in detecting and counting pirapitinga fry across different fish densities.

Neste trabalho objetivou-se relatar o uso de permanganato de potássio e azul de metileno (cloreto de metiltionina) no tratamento de lesão cutânea da pirarara exposta para visitação pública. Pirarara, nome comum para espécie Phractocephalus hemioliopterus, é originária da bacia amazônica e bastante valorizada na aqüicultura pelo fácil manejo, adaptação ao cativeiro e pela bela fisionomia e coloração, porém muito susceptível à infestação por ectoparasitas acarretando em mortalidades tanto no aspecto produtivo como no mercado pet. A adesão de anelídeos na pele desta espécie alocada no aquário público da cidade de Uberlândia, Minas Gerais, Brasil, levou à lesão cutânea grave e infecção secundária por fungos e bactérias necessitando de tratamento medicamentoso. O diagnóstico foi feito através de achados macroscópicos e das características fisiológicas e comportamentais do animal e o tratamento durou trinta e quatro dias. Após identificação da lesão, os ectoparasitas foram retirados manualmente e o peixe foi conduzido ao tanque escavado isolando-o de outros animais e sem acesso aos visitantes. Adotou-se, respectivamente, o tratamento tópico de 10 gramas e 2 gramas por metro cúbico de permanganato de potássio e azul de metileno até o desaparecimento total da ferida e cura do animal. Com recuperação clínica, o peixe retornou ao aquário exposto à visitação.

This study aimed to evaluate the economic feasibility of implementing an aquaponic system using different stocking densities of tilapia juveniles integrated with arugula production in a Nutrient Film Technique (NFT) system. To gather data for the economic analysis, an experiment was conducted using a completely randomized 3 x 2 factorial design (densities: 20, 40, and 60 fish/m³; filter media volumes: 50 and 70 liters of expanded clay), with three replications. Each experimental unit consisted of an NFT aquaponic module. The economic analysis included calculations of net present value, internal rate of return, profitability index, and payback period. Results showed that fish stocking density significantly affects the economic viability of an aquaponic system integrating tilapia juveniles and arugula production. The price of arugula increased with higher fish stocking densities, while the price of fish remained unaffected. Stocking densities of 40 and 60 fish/m³ were found to be economically feasible, exhibiting similar internal rates of return, both higher than those observed at a density of 20 fish/m³, which was not economically viable.

A produção de tilápias encontra-se dentre as atividades da piscicultura que mais crescem mundialmente. A alimentação encontra-se entre os principais fatores que impactam no custo de produção representando cerca de 70 a 80% em sistemas de criação intensivos, sendo a proteína o nutriente mais caro da dieta. Com isso, a aplicação de fontes alternativas que diminuam os custos de produção de ração torna-se relevantes para a cadeia produtiva de peixes. Os grãos secos de destilaria com solúveis, com sigla em inglês DDGS (Dried Distillers Grains With Solubles), são coprodutos obtidos pelo processo fermentativo do etanol e podem ser empregados em dietas de animais. Seu uso na alimentação de tilápias começou a ser explorado como uma fonte alternativa para substituição do farelo de soja ou farinha de peixe na ração, baseado nisso objetivou-se com essa revisão de literatura fazer uma abordagem do uso do DDGS em dietas para tilápias sob o ponto de vista do desempenho produtivo, respostas imunológicas e morfologia intestinal.