寻渔记|浅谈对人工智能水产养殖的展望与建议

（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。

（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。

寻渔记小总结：

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。