人工智能水产养殖应用的未来展望与建议

本文节选自《智慧农业（中英文）》2020年第2卷第3期，李道亮教授团队的文章《人工智能在水产养殖中研究应用分析与未来展望》，其引用格式如下，欢迎大家阅读、引用。

引文格式：李道亮, 刘畅. 人工智能在水产养殖中研究应用分析与未来展望[J]. 智慧农业(中英文), 2020, 2(3): 1-20.

LI Daoliang, LIU Chang. Recent Advances and Future Outlook for Artificial Intelligence in Aquaculture[J]. Smart Agriculture, 2020, 2(3): 1-20.

点击直达知网阅读

点击直达官网阅读（全文，免费）

人工智能水产养殖应用的未来展望与建议

人工智能技术在水产养殖中的应用主要在生命信息获取、生长调控与决策、疾病预测与诊断、环境感知与调控、水下机器人等领域。本文阐述了人工智能技术在上述领域的研究和应用的相关技术及最新进展，深度分析了在上述领域应用中仍存在的待解决问题和困难。水产养殖环境特有的生产方式、气候条件、地理位置、局域环境、生物组成等因素的不确定性制约着人工智能技术在水产养殖中的大范围应用，目前基于人工智能技术在水产养殖中的各项应用大多处于试验阶段，不能有效地转成产业。尽管如此，人工智能技术仍然在数据处理、信息提取、实时监测、决策管理等方面为水产养殖提供了相对高效的技术方法。

1、生命信息获取

生命信息获取的手段需要进一步改善，以获得更加完善、全面的相关数据。例如用信息融合的方法将计算机视觉与传感器、声学等技术结合，对水产养殖中的个体生物和环境从多角度、多手段进行信息获取，弥补单一技术获取信息存在监测“死角”的缺陷，实现更加全面和智能化的水产养殖个体信息获取。

2、生长调控与决策

遥感卫星图像和地理信息系统是预测模型的有效方法。目前遥感卫星图像已用于估计海洋或淡水中的绿素与鱼类生长之间的关系。因此，在未来的发展中可以进一步确定遥感图像等与水产养殖中生物生长之间的关系，将人工智能技术与地理信息系统相结合开展更多可适用实际生产中调控决策应用，并尝试解决各类养殖环境下引起的客观问题，提出可解决养殖生产问题的决策建议。

3、鱼类疾病预测和诊断

尽管研究团队已开发了很多可投入使用的鱼类疾病诊断系统，但都是对已发生疾病种类的判断，仅起到辅助诊断的作用。而根据实际生产需要，鱼类疾病的预测更加有助于提早发现病情，可重点关注以深度学习为基础的鱼病预测方法，从时间序列和空间特征两方面考虑，有效融合鱼病领域知识和深度学习方法，构建可解释性强的预测模型是未来技术创新的重要方向

4、环境感知

由于水产养殖中水质和环境的影响因素较多且复杂，所需使用的环境感知传感器种类较多，且变量不易控制，模型预测和控制的通用性也较差。人工智能技术在此方向上有很大的发展空间，硬件系统方面可集成水质传感器与摄像机，开发集水质参数和水下图像一体的环境感知系统。软件方面可进一步探索深度学习、决策树等多因子参数预测和有效控制方法在环境感知中的应用。

5、水下机器人

从国内外发展情况来看，可实际应用和操作的水下机器人大多在深远海网箱养殖环境中，在池塘养殖、工厂循环水养殖中作业的小型机器人较少，需将人工智能技术更多应用在池塘养殖、工厂循环水养殖机器人的研发上，发展高可靠性、高集成度并具有综合补偿和校正功能的小型机器人。除此之外，还需重点研究干扰较大环境下目标生物的快速准确识别算法，提高水产养殖水下作业机器人目标识别速度和准确性。在水产养殖水下机器人可稳定作业的前提下，提升控制系统的自适应性和容错能力。

针对中国目前水产养殖发展现状，建议加快推进渔业数字化转型升级，在国家现代农业示范区开展水产养殖数字渔业示范，对水产养殖区域开展全天候、全覆盖、全状态数字化管理平台建设。开发出一批具有实用价值的数据库和信息管理系统，突显渔业信息技术创新对产业发展的推动作用。大力加强陆基工厂、网箱、工程化池塘养殖的标准化建设，重点完善移动互联网、云计算、大数据信息系统安全保障体系架构，对关键数据安全进行防护和测评。推进渔业数字化资源的分类和分级管理，实现全国统一、互联互通的渔业精细管理。

小

店

欢迎光临选购

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。

信息发布

科研团队介绍及招聘信息、学术会议及相关活动的宣传推广