《食品科学》：华中农业大学尹涛副教授等：人工智能与活鱼运输综述：潜在应用与挑战

在中国和东南亚国家，鱼类以鲜销为主，活鱼运输成为渔业产业链中的一个关键环节。传统的活鱼运输过程需要依赖大量人工操作，存在显著的局限性。人工智能（AI）技术的发展为这些问题提供了新的解决方案。AI是指开发能够完成学习、解决问题和决策等任务的计算机系统，其在水产养殖领域的应用已显著提升了对鱼类健康与行为的理解与管理模式。这一技术同样可以用于优化活鱼运输过程。

近年来，AI驱动的机器视觉系统和智能传感器逐渐被应用于水产养殖领域，为研究人员提供了自动化、无创的分析方法。此外，低空域经济的快速发展也为无人机等新型运输方式的兴起提供了契机。低空域经济是指在垂直高度1 000 m以下的低空空域范围内使用无人或有人的飞行器，实现载人载物，以提高社会经济运转效率，辐射带动相关领域融合发展的综合性经济形态。无人机可以更好地与AI技术相结合，这进一步增强了其在路径规划、实时监控和资源调度等方面的能力。

华中农业大学食品科学技术学院的蒲志盈、尹涛*、东京海洋大学资源与环境学院的吴海云等综述AI在活鱼运输中的潜在应用，包括活鱼应激反应监测、水质智能调节、运输路径优化和智能驾驶，同时剖析AI在活鱼运输应用方面面临的主要挑战，以期为AI运用在活鱼运输方面提供参考。

1 AI在活鱼应激反应监测方面的应用

1.1 应激反应介绍

鱼类作为重要的水产资源，在捕捞、运输和养殖过程中不可避免地会遇到各种应激源。应激源是指能够引起鱼类生理和行为反应的外部或内部因素，它们可以是生物性的，如捕食、疾病和竞争，也可以是非生物性的，包括温度变化、缺氧、水质污染和物理损伤等，这些应激源通过影响鱼类的生理状态和行为模式，对鱼类的生长、健康和生存质量产生深远影响。

在评估鱼类应激反应时，常用的应激指标包括血液生理生化指标、免疫学指标、肠道酶系指标和肝脏抗氧化指标。不同应激源下活鱼应激指标主要包括血液生理生化指标，如皮质醇（Cor）水平、血糖和乳酸含量。这类指标大多可以通过试剂盒测定，部分可由生物传感器快速测得。

鱼类对应激的反应是多方面的，包括行为、生理和外观上的变化。行为方面，鱼类可能会表现出快速游动、跳跃和侧翻等逃避行为，这些行为变化涉及复杂的生理调节，如神经内分泌激素的变化、信号转导和基因表达。生理方面，应激会导致鱼类的血液生理生化指标发生变化，如血清中酶含量和代谢产物含量的改变。外观方面，应激会通过多种机制显著影响鱼类的体表和肌肉颜色，其中肌肉中的色素沉积和肌红蛋白氧化还原状态的变化是外观变化的主要原因。黑色素的沉积和耗氧量的增加会导致肌肉颜色变暗、亮度降低。此外，长时间的运输压力还可能导致肌肉组织充血，使鱼体表面呈现淡红色。表1汇总了不同应激源下活鱼的应激指标研究结果。

综上所述，研究者们已在鱼类应激反应及其相关生物标志物领域开展了广泛的研究，这些研究为基于AI技术（如机器视觉、智能传感器等）的活鱼应激反应监测提供了重要参考。

1.2 机器视觉在活鱼应激监测中的应用

随着光学相机和计算机技术的发展，机器视觉系统提供了一种自动化和非侵入性分析鱼类行为的方法，能够通过对鱼类异常行为进行监测从而评估其应激水平。

1.2.1 机器视觉技术的流程

如图1所示，机器视觉用于活鱼应激监测的流程包括4 个阶段。首先，通过2D或3D相机及特定光源采集鱼类影像，为后续分析提供高清图像数据。其次，通过交互界面管理数据输入与输出。接着，在图像处理阶段提取与鱼类应激相关的关键信息，结合图像分割和灰度处理技术识别鱼体表面特征及颜色变化。最后，通过循环神经网络（RNN）、卷积神经网络（CNN）等算法分析鱼类行为和生理数据，并通过数据可视化呈现应激状态的动态变化。这一流程实现了鱼类应激反应的实时、自动化监测。

1.2.2 2D和3D视觉优缺点

2D视觉是通过获取2D图像对图像进行分析以获得信息的技术，在早期的智能水产养殖中，2D视觉技术是使用最为频繁的机器视觉技术，Sveen等通过相机收集大西洋鲑鱼的2D皮肤图像，训练AI模型使用CNN检验大西洋鲑鱼的皮肤组织；Besson等通过将2D摄像头与红外光结合，以获得比目鱼的体色特征数据。Terayama等以沙丁鱼为研究对象，通过2D视觉技术，在红外光下对其轨迹进行追踪，准确率为80%。然而，2D技术虽然简单且图像容易获取，但在高密度的环境下，鱼类之间的重叠和遮挡会导致其准确性大幅降低。

3D视觉又称为立体视觉，与传统的2D机器视觉相比，立体视觉可以更准确、更全面地还原物体的3D空间信息，并进行更高维度的特征提取。因此，立体视觉可以处理更复杂的任务，应用范围也将更加广泛。例如，立体视觉技术可以从多维角度跟踪鱼类，以获得水中单体鱼精确的空间坐标，虽然鱼类之间的重叠和遮挡对其仍有影响，但相较于2D视觉，其结果的准确率已经得到了显著的提高，Saberioon等在可见光下使用3D视觉技术对罗非鱼进行了轨迹追踪，其准确率高达98%，这与Huang等的研究结果类似，该研究使用3D技术对活鱼进行轨迹追踪，准确率为96%。因此，在未来的应用与研究中，3D视觉技术与鱼类的结合将会更加重要。

1.2.3 机器视觉用于鱼类行为监测

与活鱼运输相关的鱼类行为大致分为两大类，游动行为监测与异常行为监测，通过应用机器视觉可以实现自动化监测活鱼的相关行为，以判断其压力水平与健康状况，这使得在运输中对活鱼的应激行为进行实时监测成为可能。

1 ）游动行为

随着计算机技术的发展，机器视觉方法已被广泛应用于监测鱼类的游动行为，这种方法无需接触鱼类，且高效可靠。通过机器视觉技术，可以实时监测鱼类的游动速度、加速度和转弯角度，并以此判断其是否处于应激状态。例如，Davidson等通过分析虹鳟鱼的游动速度和侧泳量，评估了其在低水交换率下的健康状态。Pautsina等开发了一种基于近红外光的红外反射系统，能够在高密度养殖条件下对鲑鱼进行3D行为监测，并准确记录其运动轨迹。在视频跟踪中，遮挡是一个常见问题，Nath等提出的DeepLabCut模型能够通过多摄像头系统最小化遮挡，已成功应用于斑马鱼的行为分析。Xu Zhiping等通过数据增强和迭代CNN方法，进一步提高了斑马鱼轨迹分析的精度。此外，Liu Xiaoqing等结合机器视觉与深度学习（DL），提出了一种基于骨骼的多鱼3D跟踪方法，能够精确获取鱼类的3D运动轨迹。这些技术为活鱼运输中的行为监测提供了重要支持，有助于实时评估鱼类健康状态，优化运输环境，减少应激反应。Zhao Jian等则利用改进的运动影响图和递归神经网络直接提取鱼群的运动特征，无需跟踪和前景分割，实现了对鱼群异常行为的检测和识别，准确率可达90%。这些技术为活鱼运输中的行为监测提供了重要支持，有助于实时评估鱼类健康状态，优化运输环境，减少应激反应。

2） 体色和纹路

在鱼类应激过程中，其体色和纹路会发生显著变化，使用机器视觉技术监测这一变化无疑是最佳的选择，Shang Nan等以石斑鱼为研究对象，设计了基于图像特征和DL模型的鱼类健康状况评估模型，结合体色、斑纹、血液等多个指标，将实时获取的鱼类图像特征数据输入到所提出的WOA-CNN-BiGRU分类模型中，对低温无水运输中鱼类的健康状况进行了评估和分类，该模型的准确率高达96%。

3） 其他

在活鱼运输中，由于环境因素的影响，可能会出现溶解氧水平降低、氨氮浓度增加、温度变化等特殊情况，这会导致鱼类的压力水平增加从而导致应激，使鱼类死亡的概率大幅增加。机器视觉可以及时发现鱼类的异常行为，从而减少损失。当鱼类缺氧时，其呼吸频率会增加。Høgstedt等以鲑鱼为研究对象，设计并创建了一种基于计算机视觉的鲑鱼呼吸频率估计方法，该方法可通过视频自动监测每条鲑鱼的呼吸频率，准确率高达99%，通过该方法，可以判断鱼类是否处于缺氧状态。氨氮浓度过高时，鱼类也会发生应激，3D立体视觉为在氨胁迫下对鱼类复杂行为的监测提供了一种可行的解决方案。Israeli-Weinstein等使用立体视觉技术对鲤鱼进行观察，发现在高氨浓度条件下，鱼会游到靠近水面处，降低活动水平，并停止进食。此外，拍尾频率也能辅助判断鱼类是否出现异常。Terayama等通过实验发现，暴露于NaOH和草甘膦60 min后，鱼的尾部拍打频率显著增加，使用阈值分割和边缘检测算法对图像进行处理，拍尾频率计算的准确率达到90%。

1.3 智能传感器

作为一种高灵敏度、低成本的方法，传感器已经被应用在水产品行业的多个领域，在活鱼无水低温运输中，保持活鱼的健康状态十分重要，智能传感器为在活鱼运输中对活鱼的健康状态进行无损检测提供了新的方案。如图2所示，传感器可以安装在活鱼的多个部位，如鱼鳃、鱼眼、皮肤以及尾部，根据原理不同。传感器可分为运动传感器、生物传感器、新型柔性传感器三大类，其中，加速度传感器一般用来监测活动、游动速度和方向、呼吸节律和行为反应。生物传感器则通过各种物理化学反应监测一些化学物质例如血糖、Cor等的变化，从而判断鱼类的压力水平。相较于前两种，新型柔性传感器则降低了对活鱼的侵入性风险，更加柔和地连接到活鱼体和包装材料上，以实现在无水和低温运输过程中捕获环境和生理数据。

1.3.1 加速度传感器

加速度传感器可通过测量鱼类不同方向的加速度判断鱼类的应激水平，研究表明，当鱼类受到胁迫应激时，加速度传感器测量的加速度参数会发生变化，通过嵌入鱼体的加速度传感器，可以将加速度与鱼类的应激行为建立起联系。

呼吸频率是一种易于监测的应激指标，作为活鱼运输中的关键指标，对于运输中保证活鱼的存活率具有关键意义，通过将加速度传感器放置在鱼的鳃盖上，分别记录在x、y、z轴的加速度，以此反映鱼类的活动和呼吸频率。Feng Huanhuan等以鲑鱼为研究对象，通过加速度传感器对其进行应激指标监测，模拟并验证了无水运输后鲑鱼的质量变化，研究表明通过加速度传感器对鱼类应激变化进行动态探测，可以获得最佳的运输温度和设计生存计算模型。多传感器集成结合了多个传感器收集的信息，能够用于鱼类应激监测。例如，一些研究人员发现，在量化游动行为方面，将加速度计和陀螺仪相结合的结果比单独使用加速度计或陀螺仪更准确。

1.3.2 生物传感器

生物传感器作为一种高效、实时、非侵入性的检测工具，已被广泛应用于鱼类应激反应的监测。研究表明，当鱼类受到应激时，Cor、乳酸、血糖等生物活性物质含量会发生变化，生物传感器能够检测和测量这些活性物质，并通过一系列物理化学变化将其转化为电信号，达到可视化的目的。

鱼类在受到应激时，首先会分泌大量的Cor和儿茶酚胺等应激激素，因此将Cor作为应激指标，其反应速度快、灵敏度高、可重复性好，近年来，基于生物传感器的监测方法得到了广泛关注。通过电化学传感器或免疫传感器，研究者能够实时监测鱼类体内激素浓度的变化。Wu Haiyun等开发了一种基于免疫反应的Cor传感器，可以在水中直接监测到Cor的变化，相比于传统的抽血检测，这种方法更加简单，且灵敏度高，在此基础上，通过添加葡萄糖氧化酶，可以进一步增加信号的强度，提高监测的准确性。

由于应激激素的介导，与应激相关的各种生理和生化效应会相应地发生，例如通过糖异生刺激GLU的生成，从而导致血糖浓度升高，测量血糖的波动是目前最广泛使用的监测鱼类应激的方法之一，研究人员将针型酶生物传感器植入鱼的眼球膜下，通过这种方法可以实现连续测量鱼体内的GLU水平，快速且具有良好的重现性，为了更简单和直接地观察鱼的压力水平，Wu Haiyun等开发了一个系统，可以将生物传感器测得的血糖浓度与LED灯的颜色建立关联，当血糖水平正常时，LED灯为绿色，当血糖水平异常时，LED灯为红色，通过灯的颜色即可初步判断鱼类是否处于应激，然而，LED颜色切换点必须手动校准，此外，该过程本身可能会给鱼带来应激。在另一项研究中，Wu Haiyun等引入了一种双向通信技术的新型交互式生物传感器系统。该系统提供了远程校准和个体识别等数据链功能，使得整个监测系统变得更加完善，但对于这类传感器，当电池电量不足时，其会停止工作；针对这个问题，Huang等开发了一种自供电葡萄糖生物传感器，其将生物阳极植入活鱼（罗非鱼）的尾部区域以获取生物燃料，并利用生物电使LED灯闪烁，可通过在智能手机上观察LED闪烁频率确定GLU的浓度，从而实现鱼类应激可视化。此外，Zhang Yongjun等研发了一个基于多传感器的生理应激监测与在线生存预测系统，通过该系统可以有效降低因频繁应激波动而造成的不利影响。

1.3.3 新型柔性传感器

新型柔性传感器是实现活鱼无损检测的有效方法之一，相较于传统传感器，该技术具有小型化、集成化、可穿戴、灵活性、无创等特点，然而，新型传感设备捕获的数据原始且未经处理，需要通过智能算法挖掘可靠、有价值和准确的信息，这对鱼类健康检测结果非常重要。通过将传感器与AI算法相结合，可以在活鱼运输过程中进行异常判断、参数估计、健康状况预测和质量监测。

柔性传感器可分为4 种典型类型，包括柔性电阻式传感器、柔性电容式传感器、柔性压电传感器和柔性电感式传感器。不同柔性传感器的传感机制通常依赖于传感材料和制造过程。常用的柔性电阻传感器包括柔性湿度传感器、柔性压力传感器、柔性力/应力传感器和柔性气体传感器。不同类型传感器的传感机制分析如图2d所示。

柔性传感器已被广泛应用于监测活鱼的应激反应，研究者基于活鱼无水低温运输中易受到的多源外界刺激和干扰（缺氧、振动、温度变化、有害气体累积等）对鱼类生理活动产生的影响（血糖、乳酸、Cor、呼吸等波动），构建了柔性传感技术测量关键微环境和生理参数，并应用ML融合建模来实现无水低温运输过程中活鱼健康/品质的无损检测。

针对低温无水过程中的活鱼运输，中国农业大学张小栓团队开发并应用了一种高集成度、低成本的活鱼可穿戴电子系统。系统由聚二甲基硅氧烷基的气动直写可拉伸电路（SC）连接柔性印刷电路板构成。良好的结构设计使得该电子系统具有小体积、柔软的特点，同时在拉伸循环后仍能实现温湿度、欧拉角的多模无线传输。并且该团队首次提出了将SC穿戴于活鱼鳃部用于无损监测呼吸运动状态以及微环境参数。在10 h的模拟运输过程中鲟鱼应激状态可以划分为急性应激、应激适应和应激累积阶段，结果与标准血糖数据相匹配。同时，前馈神经网络被用于针对环境和生理数据融合建模，应激等级评估精度达到了88.1%。Xia Jie等为了测定无水运输中活鱼的活力，开发了一种基于激光激活、可拉伸、高导电性液态金属的柔性传感器系统，用于鱼类多尺度生物阻抗检测；此外，建立了基于因果关系的层次回归模型。结果表明，组织生物阻抗可以诱导个体生物阻抗的变化，且具有单向格兰杰因果关系。

2 AI在水质智能调节方面的应用

水质调节作为活鱼运输中的关键环节可以与智能传感器、大数据模型相结合。如图3所示，AI在水质调节方面的应用可分为4 个主要部分：智能传感器模块、数据处理模块、网关与远程通信模块以及执行器模块。这个系统通过智能传感器实时监测水质指标，结合大数据分析与远程控制，可以实现活鱼运输过程中水质的实时监控和调节。

2.1 智能传感器

在活鱼运输体系中，水质评价是水质污染防控的一个重要环节，相关的水质参数有温度、电导率、氨氮浓度、溶解氧浓度以及酸碱度（pH值）。这些物理化学参数的变化与鱼类应激的增加有着直接的关系，传统的水质测量方法需要手动取样，通过分析从而确定水质，而通过各种智能传感器可以实现对水质的在线监测。

2.1.1 温度

鱼类是变温动物，其体温与其生活的水温几乎相同，不同鱼类其最适生长温度也不同，当温度突然变化时，鱼类的压力水平会迅速增大，严重时会导致其瘫痪或死亡，因此在活鱼运输过程中水温的监测是十分重要。目前研究者们已经开发了许多用于测量水温的传感器，例如铌酸锂（LiNbO3）数字传感器以及光纤布拉格光栅传感器。但这类传感器有一个共同缺点，即检测范围和限值不足，并且需要复杂的电子元件才能使其适配物联网（IoT）环境。此外，市面上也有几种传感器可用于测量水温。最常见的传感器是光学传感器（DS18B20），这类传感器的优点是检测范围宽（-55～125 ℃），且响应速度快，已经广泛应用在智能水产养殖中。

2.1.2 pH值

与水温类似，不同的鱼类其最适生长pH值也不同，鱼类适宜的水体pH值为6.5～8.5，若pH值长时间处在不正常的范围内，鱼类呼吸器官的表皮细胞会被损坏，从而降低鱼的吸氧能力。在活鱼运输过程中，实时监测水体pH值对保障鱼类健康至关重要。当前市面上已经有在售的pH传感器，具有范围广、响应速度快、兼容IoT等特点，能够实现实时监测。尽管价格昂贵，但这些传感器在活鱼运输中的应用价值显著，有助于及时调整水质，减少鱼类应激反应，提高运输存活率。未来，随着技术的进一步发展，pH传感器的成本有望降低，其在活鱼运输中的普及应用将更加广泛。

2.1.3 溶氧浓度

鱼类的氧气需求量因鱼的种类不同而异，例如，鲑鱼的最佳需求量为8～10 mg/L，如果溶氧浓度低于3 mg/L会导致其窒息；而鲤科鱼氧气需求量较少，其在溶氧浓度为6～8 mg/L的水中能够茁壮成长。然而，如果溶氧浓度低于2 mg/L，会导致其窒息，当水体中溶氧浓度低于鱼类的窒息点时，鱼类会因缺氧而大量死亡，因此，必须实现实时监测运输过程中水体的溶氧浓度，才能够做出及时的调整，以防鱼类死亡。研究人员基于电化学、光学、比色法等检测方法，使用不同的传感材料，开发了多种溶氧浓度传感器，例如Seabird 63传感器、二价铜络合物修饰传感器等，这些传感器检测范围广，但容易受到腐蚀，与商用传感器相比，商用传感器响应速度快、能与IoT兼容，但成本很高，因此，开发适用于实际领域的低成本、低功耗、宽检测范围、兼容IoT的传感器至关重要。

2.1.4 氨氮浓度

在运输过程中，当水中氨氮质量浓度超过12 mg/L时，非离子氨进入鱼体后鱼会出现呼吸困难、昏迷甚至死亡等现象。一些研究人员使用基于石墨烯的电化学传感方法，而一些研究人员使用比色方法检测水样中的硝酸盐。尽管这些传感器的硝酸盐浓度检测范围广，但该过程仍然需要改进以获得响应时间短、高灵敏度、低功耗、低成本且易于操作的传感器，适用于任何环境条件下的实时监测。

2.2 大数据模型

2.2.1 传统ML模型

ML模型是一种由数据驱动的算法，它能够从数据中学习并做出预测或决策。其核心在于发现输入与输出之间的隐式关系，从而建立预测标准，在过去5 年中，超过170 项研究聚焦于利用ML预测水质，这些研究涵盖了从数据采集、模型训练到预测评估的全过程。其中ML在溶氧浓度等关键水质参数的预测中表现出色，这对于活鱼运输中的水质管理具有重要意义。

在活鱼运输中，溶氧浓度是维持鱼类健康的关键参数之一。ML模型能够通过历史数据预测溶氧浓度变化趋势，从而帮助优化水质管理。例如，Valera等比较了随机森林和SVM两种算法，发现随机森林因其调整和训练的便捷性，在溶氧浓度预测中表现更优。此外，Park等引入氧化还原电位作为关键输入变量，利用ML模型成功预测了溶氧浓度，为活鱼运输中的水质监测提供了有力支持。

通过优化ML模型，还能同时进行多个水质参数的预测。例如，Pati等开发了一个水质指数模型，使用聚类分析将数据分为3 个水质类别，然后利用判别分析创建判别函数，有效地评估了印度沿海水域的水质参数，这一方法显著提高了水质评估的效率。这种方法在活鱼运输中具有潜在应用价值，能够帮助实时监测多项水质指标，确保鱼类健康。

2.2.2 基于DL的预测模型

DL是ML的一个分支，是一种基于人工神经网络的表示学习算法，可用于许多AI任务。CNN和递归神经网络是两种典型的模型架构，传统的基于ML预测模型在应用于大数据时稳健性不足，导致普遍缺乏长期建模能力和通用性，无法完全反映数据的本质特征。相比之下，DL在非线性近似、自学习和泛化方面具有良好的能力。近年来，基于DL的预测方法已被广泛使用。

溶氧浓度作为活鱼运输当中的重要参数之一，由于实施溶氧浓度控制措施与其调节效果之间存在延迟，因此预测溶氧浓度未来变化对维持稳定的水质至关重要。基于DL的模型，例如CNN或DBN可以提取定量水特征和水质变量之间的关系。此类模型已用于预测鱼或虾精养的水质参数，如Ta Xuxiang等研究表明，CNN模型的准确性和稳定性足以满足实际生产需求，有望在活鱼运输中进行应用，以优化运输环境，减少鱼类应激反应。溶氧浓度和其他水质参数的预测与时间密切相关。LSTM、DBN等DL模型能够很好地挖掘时序信息，并取得令人满意的结果。因此，如何利用DL模型避免或减少不确定性因素对预测结果的负面影响将是水质预测任务中的重要研究方向，通过结合大数据模型与实时监测技术，活鱼运输中的水质管理将更加精准和高效，为鱼类健康提供有力保障。

3 AI在运输路径优化方面的应用

运输路径优化是物流领域中的核心课题，车辆路径优化就是在满足某种约束条件（如时间、交通、车辆能力等）下，对一系列的发送、接收和配送节点以及客户的出行路线进行合理规划。在满足顾客需要的情况下，实现最少的配送车辆、最短的配送时间、最低的配送费用、最短的配送距离。在活鱼运输中，路径优化不仅关乎物流效率，更直接影响到鱼类的健康、存活率以及运输成本。由于活鱼对运输环境（如水质、温度、溶解氧等）高度敏感，运输时间的缩短和路径的合理规划显得尤为重要。随着计算机的发展，研究人员将各种各样智能算法应用在运输路径优化方面，本文对其中使用最广泛的3 种算法进行介绍。

3.1 遗传算法

遗传算法是一种基于自然选择和生物遗传机制的优化技术，其模拟生物演化过程，通过反复迭代以获得最优解。但传统遗传算法搜索速度较慢，近几年许多研究者通过优化遗传算法从而优化运输路径，例如，Liu Xin等针对基于遗传算法的物流划分问题进行了改进，在满足遗传算法的要求下采用分割法划定交付区域，优化后的整个过程从4 min缩短到2 min；Maroof等引入了一种尖端的混合遗传算法-所罗门插入启发式算法，用于优化具有时间窗口的车辆路径问题，以最大限度地减少总行驶距离和所需的车辆数量，该算法在实际应用中具有很大的潜力。Zhao Jun等基于社会分工的完善，将多目标排序纳入物流系统的路径优化，与遗传算法结合，建立了时间和成本的多目标双层遗传算法，模拟得出了配送车辆的最优或接近最优路径，对实际物流配送路径的优化具有一定的实用性和参考价值。

3.2 模拟退火算法

模拟退火算法是一种受固体物理学退火过程启发的概率型全局优化算法。在解决车辆路径问题时，已有研究提出了基于群体的模拟退火算法，其通过交换、插入和反转3 个局部搜索运算符探索当前解的邻域。这些运算符在每次迭代中以相等的概率被随机选择，并通过类似的方法确定交换和插入操作的点数。在此基础上，有研究人员提出了一种改进的带有交叉算子的改进型模拟退火算法（ISA-CO），其融合了群体优化和多种局部搜索运算符（如交换、插入、打乱和反转），并结合改进的2-opt算法用于优化路径；此外，引入了部分映射交叉和顺序交叉算子以加速算法的收敛，同时采用混合选择策略平衡开发与探索的关系。ISA-CO在91 个包含不同请求点和车辆数量的经典基准实例上进行了测试，结果显示，与其他先进方法相比，该算法在大多数情况下表现更优。

3.3 蚁群算法

蚁群算法是一种模拟蚂蚁觅食行为的算法，它可以通过利用正反馈的并行机制和蚂蚁之间的合作从而获取巢和食物之间的典型最短路径。该算法具有并行性好、求解速度快的优点，同时近年来，该算法在物流配送方面的应用也得到了广泛的关注，涵盖了医疗物品、农产品物流、冷链物流、超市物流以及港口物流等多个方面。

在对医药物流配送特性进行深入分析的基础上，Liu Ziyuan等提出了一套合理的数学模型假设和约束条件，并构建了旨在优化配送路径的目标函数。鉴于该模型在寻找更优解方面展现出的强大能力，该研究者采用了蚁群优化（ACO）范式对目标函数进行了重新优化。通过仿真实验验证，该调度算法在效率上具有显著优势。针对生鲜冷链物流配送中配送效率与成本的挑战，Zhao Banglei等提出了一种基于ACO的低碳冷链物流配送规划优化调度方法，该方法通过引入碳排放成本和货物损坏成本，构建了一个综合考虑运输成本、固定成本、冷藏成本和时间调度成本的冷链物流模型。仿真结果表明，将遗传算法与标准ACO算法相结合的优化策略不仅加快了收敛速度，还提高了求解的精确度。Xiong Hai’ou进一步提出了一种基于改进蚁群优化（IACO）算法的物流配送路径设计方法，该方法结合运输时间因子、运输冷却因子和平均道路通畅因子，对信息素更新机制进行了改进，并调整了物流路径的转换概率。与传统的ACO调度方法相比，IACO算法在获得理想的物流配送路径方面表现突出，搜索效率更高，显示出巨大的应用潜力。

不同路径优化算法优缺点比较汇总如表2所示。

4 AI在智能驾驶方面的应用

4.1 无人驾驶技术

无人驾驶技术作为当今科技领域的前沿发展之一，涵盖了无人机技术和无人车技术两大主要方向。

4.1.1 无人机技术

无人机是航空技术和信息技术深度融合的产物，无人机系统航空技术主要包括平台制造技术、飞行控制和导航技术、能源和动力技术以及任务有效载荷技术。一般来说，有人驾驶飞机和无人机平台之间的航空技术没有本质区别。但无人机系统没有机载飞行员，不受人体生理条件的限制，具有型号灵活、电池寿命长、过载大、飞行速度和空域范围广的特点，目前已出现了许多具有新空气动力学布局、新能源和新动力推进模式（如拍翼无人机、微型无人机、高空高速无人机）的新概念无人机。

过去几十年信息技术的发展已成为无人机行业发展的重要推动力，帮助解决了无人机系统的一系列瓶颈问题，如导航定位、自动控制、遥控遥测、信息传输和处理、任务有效载荷等。后信息时代的信息技术主要包括网络通信、云计算、大数据和AI技术，这将为无人机行业的发展带来新的机遇。

4.1.2 无人车技术

无人车技术作为另外的无人驾驶技术应用方向，是室外轮式移动机器人在交通领域的重要应用，它使用车载传感器（如视觉、激光雷达、超声传感器、微波雷达、全球定位系统、里程计、磁罗盘等）感知车辆周围环境，并根据感知所获得的道路、车辆位姿和障碍物信息，控制车辆的转向和速度，从而使得车辆能够安全、可靠地在道路上行驶。无人自动驾驶车辆从根本上改变了传统的车辆控制方式，即“车-路-人”闭环控制方式，将不可观且不可控驾驶员从该闭环系统中请出去，从而大幅提高了交通系统的效率和安全性。

4.2 在活鱼运输的潜在应用

4.2.1 传统活鱼运输

活鱼运输方式可分为有水运输与无水运输两种，有水运输是指通过增加运输水体的溶氧量、降低水温以及辅助麻醉等方法提高鱼类运输量和存活率；无水运输是指通过降温至生态冰温或使用麻醉剂等方法使鱼体进入休眠状态，然后在无水或雾态下进行保活运输。在有水运输过程中，常用的保活技术有增氧法、降温法和麻醉法，其中增氧法主要用于淡水养殖鱼类的运输；无水运输过程中常用的保活技术有二氧化碳麻醉法和生态低温法。传统的活鱼运输主要依赖人工驾驶的运输车辆或船只，虽然在运输过程中会采取一定的保活措施保证鱼的质量，但这种方式仍存在一些明显的限制，例如传统运输依赖司机或操作员，容易受到人为失误、疲劳驾驶和交通事故的影响，导致运输效率和安全性降低，此外由于传统运输方式通常依赖人工经验，路线规划和实时交通应对的效率较低，容易导致延误，影响活鱼的新鲜度。并且在复杂的天气或交通状况下，传统运输容易受到影响，而无法快速调整路线或避免风险。

4.2.2 无人驾驶技术与活鱼运输的结合

无人驾驶技术能够利用高精度传感器、激光雷达、AI和实时数据分析，自动规划最佳路线并应对交通、天气等环境变化。无人车不仅能减少人为驾驶失误，还能通过高度自动化的驾驶系统提高运输效率、减少延误，保障活鱼运输的及时性和新鲜度。虽然目前没有将无人驾驶技术与活鱼运输结合起来的实际案例，但无人驾驶技术在运输方面已经表现出了极大的潜力，特别是无人机在“最后一公里”运输上的潜力，这在研究人员的建模实验中也得到了验证，无人机运输可以显著降低“最后一公里”的运输时间与运营成本。

Jahani等基于已有文献总结了当前无人机的几大应用，其中第二大应用领域就是无人机运输，主要关键词是无人机送货和车辆路线问题。此外，Jahani等还探讨了使用卡车进行长途运输和使用无人机进行“最后一英里”最终交付组合的可能性。该方法的主要目标是降低金钱和时间成本，同时提高交付速度；通过将无人机与卡车等传统运输方式相结合，旨在优化交付流程并提高货物运输的整体效率；提出的模型和算法旨在简化物流、改进路线规划并加强无人机和卡车之间的协调，以实现这些预期的结果。

基于以上内容，无人驾驶技术有望运用在活鱼运输的以下几个场景：外卖运输、跨海运输以及网箱养殖鱼运输中。在外卖运输方面，与以往的外卖员配送不同，无人机可被用在活鱼的“最后一公里”配送当中，例如，美团已经将其自研的无人机应用于外卖配送领域，旨在打造一个“3 km、15 min送达”的低空物流网络。这种技术的应用不仅可以缩短配送时间，提高客户满意度，还能降低因人为因素导致的交通事故风险。在跨海运输方面，峰飞航空科技的eVTOL（电动垂直起降）无人驾驶飞行器已经实现了从上海到舟山的跨海直飞，用以装载运输梭子蟹、大黄鱼等海鲜特产，并成功返回上海，单程用时仅为1 h。而传统运输方式所需时间长达十几个小时甚至1 d。在网箱养殖鱼运输方面，因地形复杂，传统条件下的网箱养殖鱼运输需要耗费大量的时间，甚至转换交通工具，而利用无人机则可以减少这种不利因素的影响。

4.3 应激反应和肌肉品质的影响因素

无人机与活鱼运输相结合可以缩短运输时间、降低运输成本，适应多样化的运输环境，然而，在这个过程中，仍然存在很多影响因素，图4展示了无人机运输活鱼的全过程，分为起飞前、起飞中和降落后3 个阶段，同时剖析了每个阶段影响应激反应和肌肉品质的影响因素。

4.3.1 运输前的影响因素

在传统活鱼运输中，运输前的准备工作至关重要，直接关系到运输过程的成功率，包括鱼暂养排空、冷驯化、水质处理、温度调控、氧气供给和鱼体得选等关键环节。无人机运输同样需要这些准备，但因无人机航程短、空间有限，对准备工作的精细化要求更高。运输前需要使用轻量化的水质维护设备，同时确保运输容器的设计符合无人机的承载和稳定性要求。此外，必须优化装载方案，以避免无人机飞行中的过载或重心偏移对活鱼造成影响。

4.3.2 运输中的影响因素

在传统运输过程中，影响活鱼肌肉品质的主要因素有氧气、运输时间、运输温度和运输密度等，无人机运输能够显著缩短运输时间，减少活鱼因运输时间过长而造成的应激反应，但同时也引入了新的挑战。首先，因为无人机体积和载重的限制，传统的大型冷藏设备无法直接应用，这使得在无人机运输过程中需要使用智能化、小型化的温控与供氧系统，以实时维持适宜的水温和氧气浓度。其次，无人机运输过程中可能受到风速、天气等因素影响，导致机体振动和倾斜，这会给活鱼带来额外的生理应激。因此，运输设备需要具备减震功能，运输线路也应避开复杂气流区域。此外，无人机飞行过程中会产生巨大的噪音也会对活鱼产生影响。

4.3.3 运输后的影响因素

在运输后，无人机运输的快速性使处理方式因客户需求而异。直接送达家庭的活鱼通常无需暂养，可立即烹饪。而送至餐馆或水产市场的活鱼则需短时间暂养以恢复活力。暂养池应根据运输过程中的环境数据调整水温和氧气浓度，避免鱼体因环境骤变产生适应问题。无人机运输通过快速响应和差异化处理，不仅提高了活鱼的新鲜度，也优化了客户体验，为活鱼物流带来了高效和灵活的新模式。

5 结 语

AI的快速发展为活鱼运输提供了创新的解决方案，显著改善了传统运输方式的局限性。在活鱼运输的各个阶段，AI技术展现出卓越的应用潜力。首先，在运输前，基于机器视觉和智能传感器的鱼类得选和分类能够大幅提升效率，同时降低应激反应对鱼类健康的影响。其次，运输过程中，智能传感器和实时数据分析技术能够实现水质参数（如温度、溶解氧、氨氮浓度等）的精准监控与调节，为维持鱼类的最佳生存状态提供保障。此外，优化路径规划算法（如遗传算法、模拟退火算法和蚁群算法）能够有效提高运输效率，降低运营成本。最后，运输后利用智能系统对鱼类健康状态的动态评估能够进一步提高活鱼的存活率和运输质量。

尽管AI技术在活鱼运输中的应用取得了显著进展，但仍面临一些挑战。一方面，鱼类复杂的生理和行为反应以及环境变化的多样性增加了模型构建和数据处理的难度；另一方面，传感器的灵敏性、稳定性和成本问题仍是进一步推广的关键障碍。此外，算法的计算复杂度和实时性要求，以及数据采集和隐私保护等问题，也限制了该技术的全面应用。

除了技术因素外，初期投入成本较高和人才短缺也是重要挑战。AI技术的引入需要大量的硬件设备（如传感器、摄像头、计算服务器）和软件系统（如数据分析平台、算法模型），这对企业的资金投入提出了较高要求。同时，具备AI和活鱼运输跨学科背景的专业人才相对稀缺，这可能导致技术实施和运行的困难。

未来的研究应集中在以下几个方面：一是开发更加高效、低成本的智能传感设备，以实现实时监测的广泛应用；二是进一步优化基于AI的算法模型，提升其对动态环境和复杂行为的适应能力；三是通过多学科交叉融合，将生物传感器与大数据分析技术结合；四是推动行业标准的建立和应用，为技术推广和实践提供理论支持和规范保障；五是积极培养具有相关学科背景的专业人才，为该行业的大力发展提供人才保障。

综上所述，AI技术正在为活鱼运输领域注入新的活力，尽管仍面临诸多挑战，其在提高运输效率、优化资源利用和提升客户满意度方面的潜力不容忽视。未来，随着技术的不断突破和应用环境的优化，AI必将在活鱼运输中发挥更加重要的作用。

引文格式：

蒲志盈, 尹涛, 吴海云, 等. 人工智能与活鱼运输综述: 潜在应用与挑战[J]. 食品科学, 2025, 46(18): 360-373. DOI:10.7506/spkx1002-6630-20250124-177.

PU Zhiying, YIN Tao, WU Haiyun, et al. Review of artificial intelligence in live fish transportation: potential applications and challenges[J]. Food Science, 2025, 46(18): 360-373. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250124-177.

实习编辑：李雄；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为汇聚全球智慧共探产业变革方向，搭建跨学科、跨国界的协同创新平台，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，西南大学、 重庆市农业科学院、 重庆市农产品加工业技术创新联盟、重庆工商大学、重庆三峡学院、西华大学、成都大学、四川旅游学院、西昌学院、北京联合大学协办的“ 第三届大食物观·未来食品科技创新国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 在中国 重庆召开。

长按或微信扫码进行注册

为系统提升我国食品营养与安全的科技创新策源能力，加速科技成果向现实生产力转化，推动食品产业向绿色化、智能化、高端化转型升级，由北京食品科学研究院、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，合肥工业大学、安徽农业大学、安徽省食品行业协会、安徽大学、合肥大学、合肥师范学院、北京工商大学、中国科技大学附属第一医院临床营养科、安徽粮食工程职业学院、安徽省农科院农产品加工研究所、安徽科技学院、皖西学院、黄山学院、滁州学院、蚌埠学院共同主办的“第六届食品科学与人类健康国际研讨会”，将于 2026年8月15-16日（8月14日全天报到）在中国 安徽 合肥召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）