人工智能，在水产养殖中大有作用！它，在未来颠覆传统养殖模式！

近年来，人工智能 (AI) 在水产养殖研究和生产中变得越来越重要。很多初创公司和老牌公司都在为水产行业开发新的基于人工智能的应用程序。

三文鱼被iFarm的人工智能可视化

过去几个月流传了几篇著名的新闻报道，描述了人工智能在水产养殖行业中应用的进展。当然，对于我们这些在高级计算机编程领域经验有限的人来说，首先出现的问题之一通常是“AI究竟是什么”？

无需过多表述之下， 人工智能涉及有助于识别（图像、语言、音乐等）和决策制定的编程，这一切都无需人工监督 。牛津语言将人工智能定义为“能够执行通常需要人类智能的任务的计算机系统的理论和发展，例如：视觉感知、语音识别、决策制定和语言之间的解决方案”。

一、人工智能在水产领域的由来

人工智能目前应用于水产养殖的历史始于一种叫做模糊逻辑的东西。1965年，加州大学伯克利分校的Lotfi A Zadeh发表了一篇题为“模糊集”的学术文章。他提出了对象类显示“成员等级的连续统一体”的新概念。这个概念强调，许多事物并不能清楚地归为一类或另一类，并为现在所谓的模糊逻辑奠定了基础。

虽然传统的时间计算使用0或1，以及真或假的值，但模糊逻辑背后的理论涵盖了人类感知的现实，其中事物通常介于0和1，或者真与假之间。多年来，模糊逻辑已将自身应用于图像处理和疾病诊断等计算机应用，并且已被纳入从汽车变速箱到洗碗机，再到复印机等一切事物的控制系统中。

二十多年前，我第一次接触到人工智能在水产养殖中应用的可能性。LI等人(2000年) 位于加尔维斯顿的得克萨斯大学医学分校发表了，他们在封闭循环水系统中使用基于模糊逻辑的控制系统中，进行反硝化作用的总结。他们的工作重点是为生物医学研究的鱿鱼系统，开发计算机控制的反硝化生物反应器。模糊逻辑用于处理来自测量溶解氧、氧化还原电位和pH值的传感器的实时输入，进而控制泵送速率和生物反应器的碳进料添加量。

人工智能技术在过去二十年中在许多领域发展迅速，通常以很容易适应水产养殖生产的方式发展，比如：具有特殊影响的两项进步是深度学习和卷积神经网络。传统的机器学习使用算法来执行所提供数据的功能 ，但随着时间的推移，通过反馈和调整（部分来自人工输入）变得更加高效。深度学习通过分层算法和自我评估和调整更进一步，深度学习系统通过自己的计算过程进行学习，然而，卷积神经网络是深度学习算法，对图像识别和解释特别有用。

传感器正在收集数据，并创建生产算法，以提高养殖场效率。

与此同时，传感器技术突飞猛进，通过云、5G网络和物联网 (IoT) 的连接，也有了突飞猛进的发展。因此，人工智能目前正在水产养殖中进行评估和部署，以提高养殖效率、产量估算、生长跟踪、疾病的早期检测、环境监测和控制（尤其是在RAS系统中）以及降低劳动力成本。借助现代传感器和处理技术，现代水产养殖的许多常规任务可以用更少的劳动力和改善的动物生长性能来完成。

二、目前对人工智能的研究

基于鱼类行为和外观的高级疾病检测，已成为人工智能应用的一个有前途的领域。chen等人(2022) 报道了，使用深度学习和卷积神经网络对网箱，对养殖石斑鱼的三种异常外观进行分类的两阶段图像分析系统。在该研究开发的四种分类模型中，平均准确率为98.94%。

为水产业精心设计人工智能系统所需的组件成本仍然相对较高，但成本趋势和新方法最终可能会扩展到甚至资源最有限的生产者的可及性。最近， Darapaneni 等人 (2022年) 提出了一个专门用于早期发现疾病爆发的系统，为养殖户提供更多时间来应对合适的管理选择。该系统依靠水下摄像机或类似传感器获取图像，这些图像通过云端传递给合作伙伴进行处理和评分，随后，数据将通过训练有素的人工智能模型进行分类和分析，整个过程可短至几分钟，这样，每天可以评估多个养殖场。

ReelData的AI系统正在评估三文鱼

更有效的投喂方式也是最近水产养殖AI研究的重点。chen等人 (2021年) 使用基于支持向量机模型的生物量预测公式，使用实时水质数据结合人工神经网络来预测RAS系统中养殖的虾的饲料需求和最佳投喂量。结果表明平均百分比误差仅为为3.7%，这远高于人工喂食所能达到的水平。

生物量监测和存塘量控制也是人工智能在水产养殖中应用的沃土。Gonçalves等人 (2022) 描述了使用卷积神经网络计算鱼种数量。人工智能方法涉及连续图像，即使两个或更多个体相互接触或互相重叠，也可以对鱼类进行计数，并且也可以用于预测鱼种运动。

Natsuike等人(2022年) 使用一种称为“语义分割”的深度学习技术，结合大约9000张延时图像，来识别灯笼网中的单个扇贝，并跟踪它们的生长和行为模式。

三、人工智能在现实当中的一些应用

虽然一些行业观察家和利益相关者，可能不确定人工智能在水产养殖生产中的未来，或者犹豫是否要全心全意地接受它，但其他人正在大举尝试。加拿大公司ReelData AI为陆上水产养殖开发了两种著名的产品：ReelAppetite监测和调整饲料消耗和供应，而ReelBiomass提供养殖池内水生动物尺寸和重量分布的估计。更重要的是，该公司最近因在其A轮融资中筹集了超过800万美元而成为头条新闻 。

Cermaq的人工智能iFarm

总部位于东京的Umitron Corporation一直致力于将AI技术应用于水产养殖应用。Kura Sushi连锁餐厅一直在其Kura Osakana生产基地使用Umitron开发的人工智能系统养殖巴鲣鱼。Umitron的系统利用游泳行为的实时监控来决定何时以及向每个养殖池分配多少饲料。这种方法显著提高了饲料转化效率，同时减少了浪费，并大大降低了与传统日常喂养需要大量人工成本，这种鱼现在以“AI Sumagatsuo”的名义销售。

使用Umitron的AI解决方案喂巴鲣鱼

全球三文鱼生产商Cermaq多年来也一直在使用人工智能系统，这个系统被称为iFarm，由技术合作伙伴BioSort开发，总体目标是改善网箱中鱼类的健康和生长性能。该研究涉及增量目标。最初， 该公司专注于鱼如何与系统交互，随后的试验旨在调整和简化系统组件和操作。目前的试验正在评估传感器技术、数据采集和处理以及机器学习算法。另外，开发在网箱内对鱼类进行分类的方法也已成为当务之急，目标是根据鱼类独特的点状图案和海虱的存在情况来监测和治疗个别鱼类。

四、人工智能未来的发展方向

基于人工智能的水产养殖监测和控制的各个方面的技术都在迅速发展，现代设备现在可以对鱼虾的大小、形状、位置和行为进行立体观察。“声纳相机”现在可以将声音回声转换为视频图像，以便在黑暗或浑浊的环境中使用。水质监测可以在池塘和大水箱中进行三维水质监测，方法是使用自动驾驶汽车升高和降低传感器以生成3D数据，虽然室内（RAS）和水下（网箱）生产环境相对稳定，但未来露天池塘部署的设备，可能会遇到更多环境挑战。

wu等人 (2022年) 广泛概述了人工智能在水产养殖中的当前和潜在用途，他们概述了许多设备的技术演变，从手动到机械化、自动化，最终是智能设备。这些作者的一项重要观察是通过使用无人设备提高生物安全的潜力，并且自主机器人的开发正在农业领域迅速扩大。这些设备在通过收集和清除尸体、未食用的饲料和累积的废物，以及清洁网具来维持卫生条件方面具有巨大潜力。虽然某些方面的成本仍然有些高得令人望而却步，但预计在未来几年会下降。

Cermaq的iFarm目前正在饲养第三批鱼

Mustapha等人(2021) 回顾了本文中提出的许多观点，并指出了一些可能使人工智能在水产养殖中的广泛采用变得复杂的限制和挑战。其中包括与所需的互连系统和网络的许多级别相关的安全问题。另一个问题是需要复杂的数据采集，来有意义地捕捉许多生产系统中发现的复杂性和生物相互作用。深度学习AI需要大量的训练数据，而这通常很难获得，成本效益考虑也将在很大程度上决定人工智能采用的范围和速度。但长期的趋势表明，人工智能的优势势必越来越明显。