概述
它们的价值取决于物种、农场条件、传感器和模型验证。
深入探讨
水产养殖中的人工智能系统可以支持饲料管理、鱼类测量、寄生虫监测和水质观测；结果取决于生产品种和农场设置。水下摄像机可以估计群体进食活动，以通知自动饲料控制，但它们不能保证每条鱼都在进食或消除所有饲料浪费。视觉系统可以在测试环境中对鱼进行计数、估计长度并筛查海虱；重量估计需要校准关系或模型。 2021 年的一项智能网箱研究将溶解氧、温度、盐度和 pH 传感器与水下摄像机和其他监控设备集成在一起。单独的研究将溶解氧的变化建模为水质风险。粮农组织《SOFIA 2026》报告指出，2024年水产养殖生产了1.03亿吨水生动物，而捕捞渔业产量为9200万吨；该报告中，水产养殖占水生动物总产量的53%，占水生动物食品产量的59%以上。
现实世界的实施
使用水下视频来估计喂食活动并调整受监控围栏中的颗粒输送。
从立体图像测量鱼的长度并通过校准关系估计重量。
筛选鲑鱼图像中的海虱作为寄生虫监测的示例之一。
使用溶解氧传感器和时间序列模型告知操作员可能发生的低氧事件。
人工智能在水产养殖和养鱼业的未来
传感器融合和自动化控制可以为水产养殖操作员提供支持，但它们需要本地校准、现场验证和人工监督。预测应说明物种、农场环境、传感器输入和评估期。环境影响和动物福利也需要与生产成果一起衡量。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
不断探索
常见问题
什么是水产养殖和养鱼业中的人工智能？
人工智能在水产养殖中的应用包括饲料管理、鱼类测量、寄生虫监测和水质传感。它们的价值取决于物种、农场条件、传感器和模型验证。
哪些农场作业是人工智能可以支持的水产养殖任务的例子？
人工智能应用程序可以支持喂养决策并监测疾病或寄生虫；这并不意味着这是每个农场的两个最大的成本驱动因素。
哪种寄生虫是鲑鱼养殖中计算机视觉监测的目标之一？
该指南将海虱检测描述为鲑鱼养殖中基于视觉的监测的一个例子；它没有附上普遍的行业损失估计。
自动喂料机如何使用摄像头观察来调整颗粒输送？
相机对群体喂养活动的估计可以为基于反馈的颗粒输送调整提供信息；他们不保证每条鱼都吃完或消除所有残留饲料。
为什么计算机视觉在水下尤其困难？
浑浊的海水、折射和快速重叠的鱼类使得探测和测量比陆地上困难得多。
立体相机对鱼类测量有何帮助？重量估算需要什么？
立体匹配提供深度，可支持鱼长测量。然后通过校准关系或模型来估计重量，而不是直接从图像中读取。