浙江大学梁超解析全球水产养殖智能控制发展趋势

2026年8月29日，在山东威海举办的第五届渔业生态环境大会上，浙江大学生物系统工程与食品科学学院梁超作题为《全球水产养殖智能控制发展趋势》专题报告（课题组负责人叶章颖），围绕水质智能监测控制、生产智能预测、视觉技术监控、数字孪生与AI判断四大板块，剖析当前水产智能化的技术痛点，分享海外前沿实践方案，梳理全球水产智能控制技术现状与未来发展方向，为陆基工厂化、海上养殖等不同模式的智能化升级提供参考思路。

报告指出，水环境调控是水产养殖生产的核心环节。鱼群密度、生长速度、水体循环利用率、饲料与排泄物等多重因素共同扰动水质，稳定水环境能够减少病害死亡、提升生长效率。pH、溶氧、水温、氨氮、亚硝酸盐、二氧化碳、总气体压力（TGP）等是工厂化养殖的关键管控指标。梁超特别提到，国内养殖系统常常忽视总气体压力TGP监测，会出现溶氧读数显示达标，但水体氮气过饱和，鱼依旧爆发气泡病的误判情况。不同养殖品种对水质阈值差异明显，需要结合品种抗逆性、动物福利设定适配参数标准，流水、循环水、池塘、网箱等不同场景，要因地制宜选配装备工艺，实现成本与处理效果最优平衡。

在水质感知装备层面，目前溶氧、pH、水温、盐度等传感器商业化应用成熟，但氨氮、亚硝酸盐尚没有成熟可靠的商用在线探头，是行业现存突出短板，多数养殖场只能依靠试剂盒、分光光度计做离线实验室检测，无法实现24小时在线实时监测。丹麦Oxyguard等企业是全球水产传感器主流供应商，分光光度计、水质试剂盒、试纸作为实验室及现场补充检测手段广泛使用。

针对养殖场传感器大规模部署投入过高的产业痛点，报告分享了两项欧洲创新降本技术路线。一是丹麦厂商研发的低成本水质异常预警探头，该探头不直接输出具体水质参数，仅识别水体是否发生异常波动；设备报警后，工作人员再使用手持检测设备开展精准复测，以此大幅降低整套系统硬件投资。二是挪威Nofitech集中式水质检测站方案，摒弃一池一套传感器的思路，将多个养殖池水样汇集至中央检测站集中滴定分析，具备24小时连续采样、自动清洗、低水损、可灵活扩展的特点。梁超表示，国内虽有类似理念，但面向工厂化养殖的成熟成套产品还比较少，该模式是欧洲后续重点推广的监测方案。

生产智能预测是实现养殖降本增效的关键，总生物量、投喂率、饲料转化率（FCR）构成智能投喂三大核心要素。遵循“总生物量 × 投喂率 = 投喂量”逻辑，同时可以通过投喂量与生物量反向核算饲料转化率FCR。这一模型在产业中具备很强实用性，养殖企业可通过计算得出的FCR，核验饲料厂家给出的产品指标，评判饲料实际品质好坏。以大西洋鲑为例，投喂率随水温、鱼体生长阶段动态变化，依靠人工每日测算工作量巨大，行业通过软件模型自动迭代每日投喂量，摆脱人工固定投喂公斤数的粗放模式。

报告介绍了国内宁波象山养殖基地24小时少食多餐连续投喂的实践，该模式能够有效缩小鱼类个体规格差异。同时梳理智能投喂重点研究方向：少食多餐与集中投喂效果对比、多环境因子条件下的最适投喂率、饲料转化率模型构建、基于行为学判别鱼群摄食欲望、光照对摄食的影响、利用视觉技术校正估算生物量、系统自动切换饲料规格；依托本场养殖大数据生成定制化投喂曲线，实现生产过程风险预警。

报告提出，现代化水产养殖正在告别传统“放苗、统一养成、集中出鱼”模式，向流水线式连续生产计划转型。将鱼苗分批次转入不同养殖单元，按照生长周期完成转池，空出养殖池接续投放新苗种，实现苗种持续入池、成品鱼稳定持续产出。过去这套复杂排产工作依靠专职技术员人工演算，如今正逐步交由AI完成，代表生产组织管理模式层面的智能化革新。

视觉监控技术主要承担水下生物量估算任务，借助水下摄像头获取鱼群体长、体重、数量，结合投喂数据解析生长速度。但目前产业化落地仍存在现实瓶颈，若每个养殖池均布设水下摄像头，设备造价居高不下，移动式视觉检测方案成为行业重要探索方向，相关技术高校研究较多，大规模成熟应用产品仍然稀缺。报告现场展示大型工厂化养殖中控大屏案例，实现全池画面集中监控、数据统一展示。

报告强调，数字孪生结合AI是水产养殖智能化的高阶方向，不等同于简单的数据大屏可视化。系统汇集水质、投喂、生物量、生长、环境多源数据，通过AI开展模拟推演，实现养殖风险研判、产量预测、养殖工艺优化，辅助制定生产销售计划、开展养殖成本核算。梁超举例，数字孪生可以预判未来一段时间水温下降变化，推演环境波动会推迟鱼类出塘周期，提前向销售端反馈出鱼时间变化，指导产销衔接。同时着重提醒，数字孪生体系高度依赖海量真实生产数据作为底座，缺少产业数据支撑就容易成为空架子，这套技术路径对陆基循环水养殖、海上养殖平台均具备适用性。

梁超总结，全球水产养殖智能控制技术正从单点传感器、单一设备自动化，走向感知‑预测‑决策‑模拟的完整体系。智能化升级不等于简单堆砌各类传感器，必须兼顾企业实际投资成本；智能投喂、生物量视觉估算还需要大量生产场景打磨；数字孪生与AI前景广阔，但不能脱离产业实际数据。未来产业发展需要科研机构、装备企业、养殖场协同，推动技术落地，助力水产养殖由经验驱动向数据驱动转型，赋能蓝色粮仓建设。