水产品是食物供给体系的重要组成部分，在保障食物安全、改善居民膳食结构、提供优质蛋白方面发挥着不可替代的作用[1]。近年来，中国渔业持续保持较快发展，2024水产品总产量已超过7 357万t，连续36年位居世界第一[2]。然而，中国渔业发展不平衡、不协调问题依然明显，且仍面临生产效率低下、资源利用率不高等问题，水产养殖整体机械化率仅为36%[3]，信息化水平仅为15.7%[4]，产业潜能尚未充分释放，水产品有效供给的结构性矛盾依旧存在。
目前，中国渔业的主要生产方式依然是小农生产，渔民收入低且劳动力老龄化严重，数字化与智能化技术的引入，为破解渔业发展瓶颈提供了新路径。数字育种可加快优质、高产、抗逆、广适水产良种的培育进程，提升高品质水产品产量；而智慧养殖技术可显著提高养殖生产精准化与智能化水平，优化资源配置，推动渔业向绿色、高效、可持续方向转型。智慧捕捞技术可实现对鱼群的精准定位与高效捕捞，降低能源消耗，同时推动渔业资源养护与可持续利用；智慧加工技术可提高水产品全供应链的透明度和可信度，满足城乡居民多层次、个性化的食品需求。在资源与环境约束日益突出的背景下，培育渔业新质生产力，不仅有助于促进循环经济及改善生态环境，还能引领中国渔业迈向高质量发展。目前，中国的智慧渔业发展已具雏形，基于大数据与人工智能(Artificial Intelligence，AI)的养殖管理系统在部分区域落地应用，养殖水产品质量安全形势持续向好，2025年，国家水产品质量安全例行监测合格率为96%[5]。然而，与挪威等渔业发达国家相比，中国渔业在养殖装备自动化、信息感知精度、数据驱动决策和透明供应链建设等方面仍存在显著差距。
本研究旨在系统分析智慧渔业技术的发展现状及中国与发达国家的差距，探索基于智能感知、智慧决策、自动化装备与全程可追溯的技术路径，构建覆盖全过程产业链的渔业生产模式。通过融合现代信息技术与绿色养殖理念，实现渔业生产的高效、安全、可持续发展，为满足居民多层次、个性化的水产品需求和保障“舌尖上的安全”提供科技支撑与政策参考。
1 智慧渔业技术总体框架
智慧渔业是一种以数据、知识和先进装备为核心驱动力的现代渔业生产模式与综合解决方案(图1)。该模式依托现代信息技术，实现人、机、物的全面互联，推动渔业生产的全方位感知、精准传输、智能决策与高效应用。同时，智慧渔业通过数据驱动贯通“种-养-捕-加”全产业链及各环节，形成覆盖水产育种、养殖、捕捞、资源管理、收获、储存与加工的智能化、绿色化生产体系。
图1 智慧渔业总体框架图
Fig.1 General framework of smart fisheries
智慧渔业并非新一代信息技术在渔业领域的简单应用，而是国家“数字产业化、产业数字化”战略布局中的重要组成部分。它既是渔业数字化、网络化、智能化转型的系统化、具象化呈现，也是孕育新业态、催生新产业的重要方向。智慧渔业的发展，不仅对保障水产品稳定有效供给、推动渔业产业转型升级、促进生态保护与可持续发展具有深远意义，同时也将在服务乡村全面振兴中发挥积极作用。
2 信息感知技术进展与趋势
2.1 信息感知技术进展
2.1.1 水质传感器 水质是决定水产养殖对象动物生长、免疫和存活率的关键因子，其监测效果直接关系到养殖对象的安全及养殖效益[6]。传统人工取样与实验室检测因存在滞后性和不连续性，已难以满足现代智慧渔业对实时、精准和连续监控的需求[7]。近年来，水质传感器技术快速发展，已经可以实现pH、水温、氧化还原电位(oxidation-reduction potential，ORP)、浊度、盐度和溶解氧(dissolved oxygen，DO)等参数[8-9]的稳定监测。随着荧光溶解氧传感器[10]、水凝胶pH传感器[11]、光纤浊度传感器[12]等新技术的不断发展，溶解氧传感器正由基于极谱法的电化学检测向光学荧光传感器迭代，pH传感器也逐步向固态半导体材料方向发展，氨氮与亚硝酸盐的检测也在探索电化学与微流控等新方法[13]。随着多参数集成化、微型化与低功耗设计及石墨烯、碳纳米管和金属有机框架(metal organic framework，MOFs)等新技术、新材料得到应用[14]，自清洁与防污技术也用于缓解水产养殖环境下的生物附着问题[15]。目前，水质传感器已在池塘养殖、循环水养殖(recirculating aquaculture system，RAS)及深远海养殖中得到较为广泛的应用，但长期稳定性不足、关键指标灵敏度和选择性有限、标准化与产业化水平不高、安装维护复杂等问题仍是其面临限制的主要挑战[16]。
2.1.2 视觉感知 视觉感知技术通过图像采集、处理与模式识别，实现对渔业生产对象和作业过程的非接触、实时、自动化感知，近年来，该技术发展迅速，广泛应用于鱼类识别、生长状态评估、行为监测等方面[16]，已成为推动智慧渔业和水产养殖数字化升级的关键技术路径。视觉感知可有效实现鱼类健康与福利的非接触评估，减少传统检测方式带来的应激反应[17]。人工智能与深度学习的结合进一步推动了视觉感知技术在智能养殖系统中的应用，大幅提升了鱼类检测、行为分析与环境感知的精度[18]，并在鱼类分类与物种识别中展现出对渔业资源监测的潜力[19]。近年来，相关技术已用于水产加工过程中的鱼体分级、缺陷检测、切割定位和品质评估，并与高光谱成像、三维扫描等技术融合，显著提升了加工精度与效率[20]。视觉感知手段逐渐从单目视觉检测发展到立体视觉检测，相关算法也从单帧图像识别发展到综合时空信息利用多帧图像联合分析，并逐步由传统图像处理向深度学习目标检测与三维重建发展[21-22]。尽管存在复杂水环境下成像质量受限、算法鲁棒性不足和成本较高等挑战，未来研究仍将更集中于多模态传感融合(视觉、声学与光谱)、小样本深度学习、边缘计算驱动的实时处理技术，以及与自动化装备、机器人和数字孪生系统的深度融合。
2.1.3 声学监测 声学监测技术正从传统的鱼群测量和资源评估扩展到智能投喂、动物福利评估和生态环境监测等方面[23-24]。声学方法可分为主动声学(如回声探测、声学遥测)与被动声学(如环境噪声监测、生物声信号识别)两大类[25]。主动声学广泛用于鱼类数量估算、生物量评估及空间分布追踪，其非侵入性特点使其成为监测鱼群动态的重要工具[26]。随着信号处理技术及超大规模集成器件的迅速发展，该技术也已由单波束和单频向复杂的数字多波束和多频宽带方向迅速发展[27]。被动声学则主要关注鱼类等水生动物及环境的声学特征，通过监听水生动物发出的声音进而分析其摄食、求偶、交配、产卵等发声行为[28]，特别是通过对声音特征的分析，可追踪养殖个体的活动与摄食行为，优化饲喂策略，实现智能投喂与行为分析，并可提升养殖动物福利[29-31]。目前，声学监测已用于鱼群追踪、数量统计及行为识别，并结合机器视觉和物联网架构，构建了“智能渔场”的多模态监测体系[32]，其还在生态影响评估中用于研究养殖场与野生物种的相互作用，帮助评估养殖活动对生态系统的影响[33]。未来声学监测技术发展可表现为：一是与无线传输的结合，将低功耗广域网(low-power wide area network，LPWAN)与声学监测集成，以实现海上养殖鱼类的远程实时监测[34]；二是多模态传感融合，将声学信号与图像、高光谱和环境传感数据联合分析，以提升鱼群监测精度和鲁棒性；三是人工智能驱动的声学信号解析，利用深度学习实现复杂水下声信号的自动分类和行为识别。
2.1.4 可穿戴传感器 近年来，渔业可穿戴传感器技术取得了显著进展，已在鱼体健康监测、行为追踪、环境感知及水产品质量检测等多个方面展现出重要应用价值[35-36]。生物传感器可获取鱼类生理信息，并与可穿戴技术结合使远程实时监控鱼类健康成为可能，为动物福利、疾病预警和生产优化提供了数据支撑[37]。鱼类可穿戴心率监测标签能够长期采集鱼体心率数据，为鱼类行为监测、福利评估及精准养殖等方面提供生理数据支撑[38]。可穿戴式传感器与水下摄像结合，可用于监测鱼类的摄食习性、行为模式及早期疾病症状[39]。在此基础上，可穿戴技术正与个体化养殖理念深度融合，通过人工智能与传感设备实现对个体鱼的识别、监测与管理，推动水产养殖从群体管理向个体精准健康管理转变[40]。同时，该技术的应用范围正逐步从鱼类个体监测扩展至整个海洋生态系统感知，实现对多种环境参数与生态互动过程的长期跟踪[41]。目前，柔性可穿戴传感器正从实验室走向应用，柔性多模态传感技术也实现了对水质参数与鱼类健康状态的精确监测，并通过信号解耦提升检测稳定性[42]，新型柔性传感材料也被用于鱼体在无水低温运输中的非破坏性健康监测[43]。当前，渔业可穿戴传感器的发展呈现出柔性化、无创化、个体化和智能化的趋势，未来发展将集中在多模态集成、智能互联和绿色低功耗材料的开发，并有望与物联网和人工智能技术深度融合，形成以个体鱼为核心的智慧养殖与渔业管理模式，全面提升养殖效率与可持续性。
2.2 信息感知技术发展趋势
目前，渔业信息感知正由单一传感技术向跨学科融合、智能化管理与生态可持续方向发展，结合精准渔业框架，涵盖了物联网感知层、生物传感、遥感与地理信息系统、信息融合及数字智能渔业平台等多个方向[44]，成为推动智慧渔业的重要基石。当前，多传感器信息融合与计算机视觉技术已用于鱼类行为识别和投喂系统优化，形成渔业大数据驱动的精准养殖模式[45]。基于物联网的感知层架构通过多种类型的传感器信息融合实现对水质和鱼类活动的实时监测[46]，并推动了数字化、智能化渔业形成[47]。柔性传感与定位技术结合，可实时追踪网箱的结构变形以保障深远海养殖安全[48]。柔性传感器与物联网和无人机(船)系统融合，利用无人机和无人船开展远程水质监测与鱼群追踪[49]，以及通过物联网(internet of things，IoT)网络可实现池塘养殖的实时监控[50]。地理信息系统与遥感技术在渔业资源评估、养殖场规划和环境监测中发挥了重要作用，可用于海床测绘、鱼类资源评估及海洋环境变化感知[51]。
3 数据传输技术进展与趋势
3.1 数据传输技术进展
3.1.1 通信技术 近年来，随着无线通信、物联网、卫星传输与云平台集成等数据传输技术的快速发展，5G、LoRa(Long Range)、中低轨道卫星等新一代通信技术已应用于智慧渔业生产，实现了高带宽、低延迟的数据传输，并结合云计算与大数据平台支持渔业生产的实时决策[52-54]。早期的研究侧重于利用IEEE802.11(Wi-Fi)等无线局域网技术实现养殖环境的远程传输与监控，这为后续智能渔业奠定了基础[55]。目前在陆基水产养殖中传感器采集的数据可以通过5G网络和ZigBee进行传输，从而实现对养殖水质和鱼类行为的自动化监控[56]。在海上养殖中物联网无线通信(如LoRa与Wi-Fi)广泛用于实时水质监测与数据回传，无人化设备与机器人能够感知并采集海量数据，通过无线链路上传至云端进行大数据分析，为养殖管理优化提供数据支撑，并确保养殖环境的稳定与安全[57-58]。在渔业资源管理与远洋捕捞中，卫星通信已成为关键手段，能够将捕捞船队的作业位置与渔获信息实时传回，提高了监管的透明度与可信度[59]。
3.1.2 边缘计算技术 近年来，边缘计算在渔业中的应用不断拓展，其核心优势在于实现低延迟的数据处理和实时决策，特别适合网络受限的远洋和养殖场景。基于边缘计算的智慧养殖系统可通过“终端设备-传输-边缘-应用”架构实现水质监测、鱼群行为识别与环境调控[60]，边缘计算驱动的图像识别也可用于特定养殖条件下虾类数量和生长状态监测[61]。边缘计算结合5G的智能渔场可实现投喂控制与健康分析的无人化管理，而采用边缘-云协同平台与联邦学习(Federated Learning)集成，可推动跨场数据共享与精准养殖[62]。边缘计算在渔船轨迹管理中可有效提升监控效率[63]，并在海洋物联网中提升数据传输的安全性与可持续性[64]。目前，边缘计算正与AI、IoT和云平台深度融合，推动水产养殖疾病检测、供应链溯源及环境监测等全产业链的智慧化与可持续发展[47，65]。
3.2 数据传输技术发展趋势
目前，渔业数据传输正呈现出多样化、融合化与高效化的发展趋势。在陆基和近岸养殖中，ZigBee、LoRa、NB-IoT等低功耗广域网被广泛应用，以实现养殖环境和鱼群行为信息的稳定传输；而在深远海养殖与渔业生产管理中，则以卫星通信、水下声学通信及浮标网络为核心，突破了大范围海域数据传输的限制。随着5G和边缘计算的引入，渔业数据传输的实时性与可靠性得到显著提升，为智能投喂、健康监测和风险预警提供了有力支撑。与此同时，基于云平台的数据融合与管理，使多源传感信息得以集成与共享，推动了渔业由单点监测迈向系统化、智能化和可持续化管理。展望未来，渔业数据传输技术将向高带宽、低能耗、广覆盖方向演进(如5G/LoRa/卫星融合应用)，并依托云计算与大数据平台实现智能决策支持，加快推动渔业管理由经验驱动向数据驱动转型。
4 分析决策技术进展与趋势
4.1 分析决策技术进展
4.1.1 分析决策模型 人工智能与机器学习方法逐渐应用于渔业生产与管理，特别是水产养殖中养殖对象的识别、生命信息获取、生长调控与决策、鱼类疾病预测与诊断、水产养殖环境感知与调控等方面[66]。在水产养殖管理中，基于人工智能的预测模型能够提升数据的利用效率并优化渔业决策流程[67]。如决策树分类器可用于预测鱼类死亡风险，帮助养殖者提前采取干预措施以提升可持续性[68]；基于统计数据的养殖场决策支持模型可用于净利润预测与管理优化，为养殖场提供决策参考[69]；遗传算法应用于水产养殖饲喂决策，能够在多准则框架下优化投喂策略，提高产量与经济效益[70]；主成分分析(principal component analysis，PCA)用于循环水养殖系统的监测与快速决策，可为复杂环境数据提供简化与直观化的分析手段[71]。此外，决策支持系统(decision-making support system，DSS)也被广泛研究，其中包括基于粒子群优化的鱼类养殖模型驱动型决策支持系统[72]和结合近红外计算机视觉与神经模糊模型的自动饲喂决策系统[73]。
4.1.2 大模型技术的应用 近年来，渔业大数据与大模型技术推动着智慧渔业发展，通过融合物联网、云计算与人工智能，实现了水质环境参数预测、养殖管理决策、病害监测与预警等，大大提升了生产的系统自动化与精细化水平[47，74]。基于大模型与深度学习的方法用于鱼类生长预测、疾病早期诊断和健康状态评估，可有效降低养殖风险[75]，同时，在鱼类识别、行为分析与养殖环境预测方面发挥了关键作用，为精准养殖与科学决策提供了可靠支撑[76]。另外，智慧渔场和智能网箱结合大数据、大模型及边缘计算技术，实现了远程监控、智能投饵与自动化巡检，加快了养殖模式由经验型向数据驱动型转变。此外，人工智能与大数据技术已延伸至渔业食品安全与质量控制领域，实现了从生产、加工到流通的全链条智能化监管，显著增强了产品的安全性与可追溯性[67]。目前，渔业大数据与大模型技术正通过跨学科融合(人工智能+物联网+大数据+智能装备)，特别是新出现的ChatGPT、DeepSeek等大模型，为精准养殖、育种方案优化、工厂养殖管理、健康监测与病害预警、渔业资源监测与利用等提供智能化新范式[77]，并推动渔业的数字化与智能化转型。
4.2 分析决策技术发展趋势
渔业决策支持系统的发展仍面临实时性不足与模型适用性受限等挑战[78]，但多准则决策方法已被证明能够显著提升管理的科学性与经济性[79]。随着人工智能与大数据技术的不断发展，未来渔业分析与决策模型将呈现智能化、数据驱动化与多目标优化的趋势，通过深度学习与大数据分析实现更精准高效的养殖与渔业资源管理。未来，在池塘和工厂化养殖场景中将逐步建立溶解氧、pH值与流速等水质调控模型，闭环控制投喂模型能够适配不同品种和多种投喂方式；水下鱼类表型测量、生长状态估算与行为识别等智能算法促进了鱼群健康监测与行为预测；鱼卵计数、鱼道计数、死鱼识别、破损检测与设备智能控制等技术推动了渔业生产的自动化与精细化。渔业大数据与大模型技术正从单一环节逐渐拓展至全产业链，涵盖环境感知、生产管理、健康预测和食品安全等方面，其未来发展方向将聚焦人工智能、大数据、物联网、智能装备与边缘计算的跨学科融合，构建高效、安全、可持续的智慧渔业生态系统，提升渔业生产效率与资源利用率。
5 场景应用进展
5.1 数字水产育种
现代遗传与基因组技术已广泛应用于水产育种，其中基因组选择(genomic selection，GS)与标记辅助选择(MAS)显著加速了新品种培育进程，并有效提升了经济性状改良效率[80]，目前已在对虾、大西洋鲑等重要养殖物种中得到应用。与此同时，基于人工智能的预测模型与健康管理系统能够对育种群体的生长与疾病风险进行动态建模与优化，进一步提升育种效率与经济效益[81]。目前，大数据与深度学习驱动的多任务学习方法已应用于鱼类个体追踪、计数与行为识别，为群体遗传改良与个体化育种开辟了新路径[32]；数字孪生模型的引入则使繁殖与孵化过程中的“环境-个体”交互能够被实时预测与优化，有助于提升繁殖成功率[82]。智能化养殖系统(IASs)通过传感与自动化控制为育种试验提供了标准化、精准化的环境条件，提高了数据获取效率与决策水平[83]。当前，数字水产育种正与智慧渔业深度融合，推动育种模式的绿色、高效与可持续发展[57]，博弈论等新兴方法也被引入育种及养殖管理，以优化资源分配与产业链协作[84]。数字水产育种正经历从基因组技术驱动向人工智能、数字孪生与智能化系统集成赋能演进，未来发展将聚焦于跨学科融合、精准个体育种及生态可持续框架的构建。
5.2 智慧水产养殖
智慧水产养殖正逐步从概念探索走向实际案例与系统化应用，其核心特征是多源信息融合与智能化决策支持。近年来，智能养殖信息管理系统已实现对养殖环境、鱼类健康、渔业管理与产品质量的全流程数字化支撑[47，85]，为产业升级提供了坚实基础。数字孪生技术的引入，通过虚拟与现实的映射实现对鱼类生长与养殖环境的实时预测与优化控制，成为智慧渔业的新兴应用方向[86]。人工智能在养殖安全与效率提升中的应用不断拓展，人工智能驱动的管理系统已能够在区域化场景下实现疾病监测、饲料优化与风险预警[87-88]。多波束声呐被用于鱼群数量估算与养殖环境动态监测，立体视觉则在鱼类识别、体长测量与三维建模中展现潜力。深度学习在养殖监测中的应用进一步推动了鱼群状态自动监测与水质动态感知[89]。目前，大数据架构已广泛应用于环境感知、智能分析与自动化决策，为养殖模式的智能升级和可持续发展提供了数据基础[74]。AIoT(人工智能+物联网)的发展带动了智能投喂、水质监控与鱼类行为分析等核心功能落地[90]，而物联网、5G、边缘计算与人工智能算法的协同作用，正加速实现全自动化养殖与大规模生态监控。因此，智慧养殖被广泛视为提升产业可持续性与保障粮食安全的重要途径[91]，并正从单点技术试验向系统集成、跨区域推广与产业化应用转型，为未来精准渔业与可持续发展提供有力支撑。
5.3 渔业资源精确管理
数字化与智能化已成为渔业资源高效管理的重要路径，人工智能技术正广泛应用于渔业产量预测与渔场风险评估等领域，通过深度学习与预测建模显著提升了管理决策的科学性[81]。过去十年，中国在数据驱动的渔业资源评估与政策支持方面取得了重要成果，推动渔业管理逐步迈向数字化、智能化与可持续化[92]。基于物联网和工业4.0理念的“Fishers 4.0”模式提出了智能化渔场与资源管理框架，强调精准监测与高效利用[93]。目前，智能化决策支持系统已在岛屿与沿海地区的渔业管理中得到应用，为政府提供可持续渔业规划与生态保护工具[94]。渔业资源管理不仅依赖AI与物联网等前沿技术，还需与政策治理及社会经济因素相结合，才能实现真正意义上的可持续发展[95]。总体而言，智慧渔业技术在资源管理中的应用正从单一监测与信息采集逐步走向多技术融合、智能决策与政策协同，未来发展将聚焦于跨尺度数据集成、智能监管平台建设及绿色可持续发展框架的完善。
5.4 渔业精准捕捞
精准捕捞正呈现出人工智能、物联网、深度学习与先进通信技术协同发展的趋势，其中人工智能与物联网的结合推动了自动化捕捞系统和智能渔具的应用，使渔业逐步由传统经验驱动转向数据驱动与智能化操作，显著提升了捕捞效率与可持续性[96]。在通信与导航方面，甚高频数据交换系统(VHF data exchanges system，VDES)已应用于渔船定位与鱼群运动预测，为捕捞船只提供精准作业指导[97]。在智能感知与分析层面，深度学习与人工智能模型可用于鱼类检测、行为预测及渔场动态建模，能够为精准捕捞提供实时分析与决策支持[98]。利用可穿戴传感器可以获取更加准确的鱼群信息，以实现可持续且高效的精准捕捞生产[99]。机器学习在鱼群识别与捕捞效率评估中的应用进一步提高了渔业资源利用率[100]。智慧渔业技术在精准捕捞中的应用正在经历从信息采集到智能预测、实时决策再到系统集成的演进过程，未来发展方向将聚焦于全流程智能化与可持续化，以推动渔业生产在资源利用、环境保护与经济效益之间的平衡发展。
5.5 水产智能加工
数字化与智能化技术正深刻重塑水产加工环节，为从质量监控、分级、加工到流通的全流程提供信息化与自动化支撑[101]。鱼类智能加工技术融合了人工智能、机器学习、机器人与数据分析等先进方法，逐步实现了自动分割、切片与包装等环节的无人化操作，不仅显著提高了加工效率，也增强了产品的一致性与市场竞争力。在检测环节，计算机视觉与深度学习已广泛应用于鱼体尺寸测量、瑕疵检测和产品分级，提升了加工环节的精确度与处理速度[102-103]。与此同时，AIoT技术的引入通过多源传感器与AI算法优化流水线参数设置，实现了鱼类分级与加工过程的智能化与精细化[101]。在质量安全方面，人工智能可用于水产品的风险识别与溯源管理，推动了从养殖到加工全流程的质量追溯体系建设[67]。此外，智能包装技术基于传感器与材料科学创新，能够实时监测鱼产品新鲜度与腐败状态，有效延长保质期[104]。总体而言，水产智能加工技术应用正经历由质量监测到加工装备、智能包装再到流通追溯的演进过程，未来发展将集中于全产业链的信息化与智能化整合，并推动绿色加工模式的构建，以实现效率提升、食品安全保障与可持续发展目标的统一。
6 总结与展望
目前，智慧渔业技术已逐步形成从养殖、捕捞、加工到流通管理的全产业链覆盖，并在环境监测、健康管理、智能决策和食品安全等方面展现出显著优势。物联网、人工智能、大数据与数字孪生等前沿技术的融合应用，使水质调控、鱼类健康监测、精准投喂及繁殖孵化等环节实现了智能化与自动化，推动传统养殖模式加速向数字化转型。人工智能、深度学习与通信技术(如VDES)被用于鱼群识别、行为预测与渔场动态建模，显著提升了捕捞效率与资源利用率，实现了从经验驱动向数据驱动的跨越。智能检测、AIoT 与智能包装技术的应用，极大提升了水产品加工效率、产品一致性与食品安全可追溯性，推动产业向标准化、绿色化方向发展。展望未来，智慧渔业将呈现跨学科融合、系统集成与可持续导向的发展趋势，且正由单点突破走向全链条协同。为实现这一目标，相关产业亟需加强以下几方面工作。
1)强化数据底座建设，夯实智慧渔业基础。重点推进渔业大数据标准化、接口管理与数据共享技术研究，加快5G 网络、北斗通信与数据基站等新型基础设施建设，构建“水-船-天”多尺度资源环境信息采集网络与感知体系，实现渔业信息服务的精准化与智能化。
2)推进数字种源建设，提升精准育种能力。面向水产表型组学的多维需求，研发低成本、高精度且稳定性优良的感知设备，系统整合基因组、表型组与生态环境大数据，开发基因型与表型、环境的关联算法，构建多源数据融合与渔业生长预测模型，提升从基因到表型乃至产量与品质的精准预测能力。
3)深化全链数智转型，推动养殖智能升级。研制具有自主知识产权的鱼类生长与行为智能感知设备，加强多源数据集成，构建基于生命信息与环境信息耦合的智能调控模型；开发精准饲喂与环境调控装备，推动网衣清洗、自主巡检等水产专用机器人应用，全面提升养殖作业自动化水平。
4)掌握资源动态，发展智能精准捕捞。开发“海-空-天”立体化渔场探测与智能预报技术，研制数字化探测设备、低能耗聚鱼装置、智能捕捞与自动化加工装备，构建全船一体化智能系统与海上物联网平台，形成基于大数据与AI的船舶调度与作业优化体系，加快精准捕捞装备的推广应用。
5)构建透明供应链，实现高值化加工。研发水产品原料物性与加工属性的精准识别技术，建立面向传感、工艺与工序的多维数据验证方法，实现原料获取到产品出厂的全流程追溯。推动智能感知与先进加工设备的深度融合，实现加工环节的精准控制与全鱼高效利用，进一步促进生产流程标准化与产品高值化发展。
[1] FAO.The State of World Fisheries and Aquaculture 2020.In brief.Sustainability in action[R].Rome:FAO,2020.
[2] 农业农村部渔业渔政管理局,全国水产技术推广总站,中国水产学会.2024中国渔业统计年鉴[M].北京:中国农业出版社,2024.Bureau of Fisheries,Ministry of Agriculture and Rural Affairs,National Fisheries Technology Extension Center,China Society of Fisheries.2024 China fishery statistical yearbook[M].Beijing: China Agriculture Press,2024.(in Chinese)
[3] 崔建玲.机械化助力水产养殖高质量发展[N].农民日报,2023-12-01 (6). CUI J L.Mechanization boosts high-quality development of aquaculture[N].Farmers’ Daily,2023-12-01(6).(in Chinese)
[4] 农业农村部市场与信息化司,农业农村部信息中心.2021 全国县域农业农村信息化发展水平评价报告[R].北京:农业农村部,2021. Agency of Market and Informatization,Ministry of Agriculture and Rural Affairs.Information Center,Ministry of Agriculture and Rural Affairs.Report on the Evaluation of the Development Level of County-Level Agricultural and Rural Informatization in China,2021 [R].Beijing:Ministry of Agriculture and Rural Affairs.2021.(in Chinese)
[5] 陈晨.上半年国家农产品质量安全例行监测合格率为97.9%[N].光明日报,2025-07-28 (10). CHEN C,The pass rate of national routine monitoring of agricultural product quality and safety reached 97.9% in the first half of the year[N].Guangming Daily,2025-07-28 (10).(in Chinese)
[6] SASIKUMAR R,LOURDU LINCY L,SATHYAN A,et al.Design,development,and deployment of a sensor-based aquaculture automation system[J].Aquaculture International,2024,32(5):6431-6447.
[7] FLORES-IWASAKI M,GUADALUPE G A,PACHAS-CAYCHO M,et al.Internet of Things (IoT) sensors for water quality monitoring in aquaculture systems:a systematic review and bibliometric analysis[J].AgriEngineering,2025,7(3):78.
[8] LIN J Y,TSAI H L,LYU W H.An integrated wireless multi-sensor system for monitoring the water quality of aquaculture[J].Sensors,2021,21(24):8179.
[9] 尚景玉,唐玉宏.溶解氧传感器研究进展[J].微纳电子技术,2014,51(3):168-175,202. SHANG J Y,TANG Y H.Research progress of the dissolved oxygen sensor[J].Micronanoelectronic Technology,2014,51(3):168-175,202.(in Chinese)
[10] ZHANG K,ZHANG H L,LI W J,et al.PtOEP/PS composite particles based on fluorescent sensor for dissolved oxygen detection[J].Materials Letters,2016,172:112-115.
[11] RUNGSIMA C,BOONYAN N,KLORVAN M,et al.Hydrogel sensors with pH sensitivity[J].Polymer Bulletin,2021,78(10):5769-5787.
[12] PRERANA,SHENOY M R,PAL B P,et al.Design,analysis,and realization of a turbidity sensor based on collection of scattered light by a fiber-optic probe[J].IEEE Sensors Journal,2012,12(1):44-50.
[13] SU X D,SUTARLIE L,LOH X J.Sensors,biosensors,and analytical technologies for aquaculture water quality[J].Research,2020,2020:8272705.
[14] 尹宝全,曹闪闪,傅泽田,等.水产养殖水质检测与控制技术研究进展分析[J].农业机械学报,2019,50(2):1-13. YIN B Q,CAO S S,FU Z T,et al.Review and trend analysis of water quality monitoring and control technology in aquaculture[J].Transactions of the Chinese Society for Agricultural Machinery,2019,50(2):1-13.(in Chinese)
[15] HUAN J,LI H,WU F,et al.Design of water quality monitoring system for aquaculture ponds based on NB-IoT[J].Aquacultural Engineering,2020,90:102088.
[16] 刘世晶,李国栋,刘晃,等.中国水产养殖装备发展现状[J].水产学报,2023,47(11):190-203. LIU S J,LI G D,LIU H,et al.Current development status of aquaculture equipment in China[J].Journal of Fisheries of China,2023,47(11):190-203.(in Chinese)
[17] FITZGERALD A,IOANNOU C C,CONSUEGRA S,et al.Machine vision applications for welfare monitoring in aquaculture:challenges and opportunities[J].Aquaculture,Fish and Fisheries,2025,5:e70036.
[18] LI D L,DU L.Recent advances of deep learning algorithms for aquacultural machine vision systems with emphasis on fish[J].Artificial Intelligence Review,2022,55(5):4077-4116.
[19] LI D L,WANG Q,LI X,et al.Recent advances of machine vision technology in fish classification Open Access[J].ICES Journal of Marine Science,2022,79(2):263-284.
[20] SABERIOON M,GHOLIZADEH A,CISAR P,et al.Application of machine vision systems in aquaculture with emphasis on fish:state-of-the-art and key issues[J].Reviews in Aquaculture,2017,9(4):369-387.
[21] ISRAELI D,KIMMEL E.Monitoring the behavior of hypoxia-stressed Carassius auratus using computer vision[J].Aquacultural Engineering,1996,15(6):423-440.
[22] 徐安康,黄六一,尤鑫星,等.基于双目立体视觉方法的鱼类三维重建技术:以蓝点马鲛为例[J].水产学报,2024,48(12):53-62. XU A K,HUANG L Y,YOU X X,et al.3D reconstruction of fish based on binocular vision:a case study of Scomberomorus niphonius[J].Journal of Fisheries of China,2024,48(12):53-62.(in Chinese)
[23] 汤勇.中国渔业资源声学评估研究与进展[J].大连海洋大学学报,2023,38(2):185-195. TANG Y.Research advance in fisheries resources assessment by using the acoustic technology in China:a review[J].Journal of Dalian Ocean University,2023,38(2):185-195.(in Chinese)
[24] 杨洋,朱国平,陈新军.基于文献计量的渔业声学研究状况分析[J].海洋渔业,2020,42(4):476-489. YANG Y,ZHU G P,CHEN X J.A review and prospect of fisheries acoustic research based on bibliometric analysis[J].Marine Fisheries,2020,42(4):476-489.(in Chinese)
[25] FØRE M,ALVER M O,FRANK K,et al.Advanced technology in aquaculture-smart feeding in marine fish farms[M]//Smart Livestock Nutrition.Cham:Springer International Publishing,2023:227-268.
[26] LI D L,HAO Y F,DUAN Y Q.Nonintrusive methods for biomass estimation in aquaculture with emphasis on fish:a review[J].Reviews in Aquaculture,2020,12(3):1390-1411.
[27] 宗艳梅,魏珂,李国栋,等.海洋渔业声学装备关键技术研究进展[J].渔业现代化,2021,48(3):28-35. ZONG Y M,WEI K,LI G D,et al.Research progress on key technologies of marine fishery acoustic equipment[J].Fishery Modernization,2021,48(3):28-35.(in Chinese)
[28] 曲蕊,刘晃,庄保陆,等.水产养殖中摄食声学研究进展[J].渔业现代化,2020,47(4):1-6. QU R,LIU H,ZHUANG B L,et al.Research progress of feeding acoustics in aquaculture[J].Fishery Modernization,2020,47(4):1-6.(in Chinese)
[29] 唐荣,陈军,刘世晶,等.基于声学方法的水产养殖投饲反馈技术研究进展[J].渔业现代化,2019,46(3):15-21. TANG R,CHEN J,LIU S J,et al.Progress of research on feedback technology of feeding in aquaculture based on acoustic methods[J].Fishery Modernization,2019,46(3):15-21.(in Chinese)
[30] 曹晓慧,刘晃,戚仁宇,等.循环水养殖大口黑鲈摄食颗粒饲料的声学特征[J].农业工程学报,2021,37(20):219-225. CAO X H,LIU H,QI R Y,et al.Acoustic characteristics of the feeding pellets for Micropterus salmoides in circulating aquaculture[J].Transactions of the Chinese Society of Agricultural Engineering,2021,37(20):219-225.(in Chinese)
[31] LI D L,LIU C,SONG Z Y,et al.Automatic monitoring of relevant behaviors for crustacean production in aquaculture:a review[J].Animals,2021,11(9):2709.
[32] CUI M,LIU X B,LIU H H,et al.Fish tracking,counting,and behaviour analysis in digital aquaculture:a comprehensive survey[J].Reviews in Aquaculture,2025,17(1):e13001.
[33] ENGLISH G,LAWRENCE M J,MCKINDSEY C W,et al.A review of data collection methods used to monitor the associations of wild species with marine aquaculture sites[J].Reviews in Aquaculture,2024,16(3):1160-1185.
[34] HASSAN W,FØRE M,ULVUND J B,et al.Internet of Fish:Integration of acoustic telemetry with LPWAN for efficient real-time monitoring of fish in marine farms[J].Computers and Electronics in Agriculture,2019,163:104850.
[35] 马治强,公正,何其沛,等.仿生水动力学柔性传感器件与系统的研究进展[J].功能材料与器件学报,2021,27(4):292-303. MA Z Q,GONG Z,HE Q P,et al.Review on bio-inspired flexible hydrodynamic sensors and systems[J].Journal of Functional Materials and Devices,2021,27(4):292-303.(in Chinese)
[36] 李道亮,王帅星,王聪.柔性可穿戴传感技术在智慧渔业中的应用进展[J].农业工程学报,2023,39(13):1-13. LI D L,WANG S X,WANG C.Application of flexible wearable sensing technology in smart fishery[J].Transactions of the Chinese Society of Agricultural Engineering,2023,39(13):1-13.(in Chinese)
[37] BRIJS J,FØRE M,GR
NS A,et al.Bio-sensing technologies in aquaculture:how remote monitoring can bring us closer to our farm animals[J].Philosophical Transactions of the Royal Society of London Series B,Biological Sciences,2021,376(1830):20200218.
[38] ZHANG H,WEI Z H,WU D Y,et al.Flexible,non-invasive,and wearable fish heart rate monitoring tag for guiding aquaculture in marine ranching[C]//2024 IEEE SENSORS.October 20-23,2024,Kobe,Japan.IEEE,2024:1-4.
[39] KANTAL D,ARUN K,AHMAD GANIE P.Economic implications of information technology in aquaculture and fisheries[C]//Information Technology in Fisheries and Aquaculture.Singapore:Springer Nature Singapore,2025:227-250.
[40] LATIEF T,AHMAD BHAT F,HUSSAIN SHAH T,et al.Innovative technologies in fisheries sector[J].Chronicle of Aquatic Science,2024,10(1):102-114.
[41] KAIDAROVA A,GERALDI N R,WILSON R P,et al.Wearable sensors for monitoring marine environments and their inhabitants[J].Nature Biotechnology,2023,41(9):1208-1220.
[42] HUANG W T,XIA J,GLAMUZINA B,et al.Review of flexible multimode sensing techniques and their decoupling principles for smart fisheries[J].Computers and Electronics in Agriculture,2024,219:108758.
[43] FENG H H,FU Y F,HUANG S H,et al.Novel flexible sensing technology for nondestructive detection on live fish health/quality during waterless and low-temperature transportation[J].Biosensors and Bioelectronics,2023,228:115211.
[44] 刘世晶,李国栋,涂雪滢,等.水产养殖生产信息化技术发展研究[J].渔业现代化,2021,48(3):1-9. LIU S J,LI G D,TU X Y,et al.Research on the development of aquaculture production information technology[J].Fishery Modernization,2021,48(3):1-9.(in Chinese)
[45] HASSAN S G,HASAN M,LI D L.Information fusion in aquaculture:a state-of the art review[J].Frontiers of Agricultural Science and Engineering,2016,3(3):206.
[46] KHATEI A,AHMAD GANIE P,PANDEY P K.Introduction of information technology in fisheries and aquaculture[M]//Information Technology in Fisheries and Aquaculture.Singapore:Springer Nature Singapore,2025:1-15.
[47] LI P L,HAN H B,ZHANG S M,et al.Reviews on the development of digital intelligent fisheries technology in aquaculture[J].Aquaculture International,2025,33(3):191.
[48] SU B,KELASIDI E,FRANK K,et al.An integrated approach for monitoring structural deformation of aquaculture net cages[J].Ocean Engineering,2021,219:108424.
[49] LIAO Y H,SHIH C F,WU J J,et al.ROVs utilized in communication and remote control integration technologies for smart ocean aquaculture monitoring systems[J].Journal of Marine Science and Engineering,2025,13(7):1225.
[50] TAHER TAMIM A,BEGUM H,ASHFAQUE SHACHCHO S,et al.Development of IoT based fish monitoring system for aquaculture[J].Intelligent Automation &Soft Computing,2022,32(1):55-71.
[51] BHUSAN S,ABUTHAGIR IBURAHIM S,AKASH J S,et al.Emerging trends in information technology with reference to fisheries and aquaculture[C]//Information Technology in Fisheries and Aquaculture.Singapore:Springer Nature Singapore,2025:251-263.
[52] 张铮,黄龙涛,张泽扬,等.面向渔业物联网的LoRa通信资源分配策略[J].农业工程学报,2025,41(14):206-215. ZHANG Z,HUANG L T,ZHANG Z Y,et al.LoRa communication resource allocation strategy for fishery internet of things[J].Transactions of the Chinese Society of Agricultural Engineering,2025,41(14):206-215.(in Chinese)
[53] 徐硕,鲁峰,郭宇东,等.渔业船联网工程体系应用现状分析[J].中国农学通报,2020,36(12):139-151. XU S,LU F,GUO Y D,et al.Fishery internet of vessels engineering system:application status analysis[J].Chinese Agricultural Science Bulletin,2020,36(12):139-151.(in Chinese)
[54] 李国栋,陈军,汤涛林,等.渔业船联网应用场景及需求分析研究[J].渔业现代化,2018,45(3):41-48. LI G D,CHEN J,TANG T L,et al.Analysis of fishery internet of vessels application scenarios and requirements[J].Fishery Modernization,2018,45(3):41-48.(in Chinese)
[55] SUNG W T,CHEN J H,WANG H C.Remote fish aquaculture monitoring system based on wireless transmission technology[C]//2014 International Conference on Information Science,Electronics and Electrical Engineering.April 26-28,2014,Sapporo,Japan.IEEE,2014:540-544.
[56] CHEN J H,SUNG W T,LIN G Y.Automated monitoring system for the fish farm aquaculture environment[C]//2015 IEEE International Conference on Systems,Man,and Cybernetics.October 9-12,2015,Hong Kong,China.IEEE,2015:1161-1166.
[57] ZHANG H W,GUI F K.The application and research of new digital technology in marine aquaculture[J].Journal of Marine Science and Engineering,2023,11(2):401.
[58] 张铮,曹守启,朱建平,等.面向大面积渔业环境监测的长距离低功耗LoRa传感器网络[J].农业工程学报,2019,35(1):164-171. ZHANG Z,CAO S Q,ZHU J P,et al.Long range low power sensor networks with LoRa sensor for large area fishery environment monitoring[J].Transactions of the Chinese Society of Agricultural Engineering,2019,35(1):164-171.(in Chinese)
[59] PROBST W N.How emerging data technologies can increase trust and transparency in fisheries Open Access[J].ICES Journal of Marine Science,2020,77(4):1286-1294.
[60] HUANG Z Q,DENG C H,SHANG F Y,et al.Smart structural control and analysis of edge computing power in AI aquaculture[J].Journal of Information and Optimization Sciences,2023,44(7):1263-1286.
[61] LIN T S,CHU T J,SHIH Y J,et al.Application and development of shrimp farming intelligent monitoring system on edge computing[C]//2021 IEEE 3rd International Conference on Architecture,Construction,Environment and Hydraulics (ICACEH).December 24-26,2021,Miaoli,Taiwan,China.IEEE,2021:66-69.
[62] KHUEN CHENG W,CHENG KHOR J,ZHENG LIEW W,et al.Integration of federated learning and edge-cloud platform for precision aquaculture[J].IEEE Access,2024,12:124974-124989.
[63] HUANG J,WAN J,YU J J,et al.Edge computing-based adaptable trajectory transmission policy for vessels monitoring systems of marine fishery[J].IEEE Access,2020,8:50684-50695.
[64] CHAO H C,WU H T,TSENG F H.AIS meets IoT:a network security mechanism of sustainable marine resource based on edge computing[J].Sustainability,2021,13(6):3048.
[65] ISLAM S I,AHAMMAD F,MOHAMMED H.Cutting-edge technologies for detecting and controlling fish diseases:current status,outlook,and challenges[J].Journal of the World Aquaculture Society,2024,55(2):e13051.
[66] 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 D L,LIU C.Recent advances and future outlook for artificial intelligence in aquaculture[J].Smart Agriculture,2020,2(3):1-20.(in Chinese)
[67] KILINC I,KILINC B,TAKMA C,et al.Smart tools and artificial intelligence for enhanced quality and safety in agriculture,fisheries,and aquaculture:a review[J].Iranian Journal of Fisheries Sciences,2025,24(4):913-951.
[68] GKIKAS D C,GKIKAS M C,THEODOROU J A.Fostering sustainable aquaculture:mitigating fish mortality risks using decision trees classifiers[J].Applied Sciences,2024,14(5):2129.
[69] Korean Society for Internet Information.Design of an aquaculture decision support model for improving profitability of land-based fish farm based on statistical data[J].KSII Transactions on Internet and Information Systems,2024,18(8):2431-2449.
[70] LUNA M,LLORENTE I,COBO A.Determination of feeding strategies in aquaculture farms using a multiple-criteria approach and genetic algorithms[J].Annals of Operations Research,2022,314(2):551-576.
[71] SILVA L C B,LOPES B,PONTES M J,et al.Fast decision-making tool for monitoring recirculation aquaculture systems based on a multivariate statistical analysis[J].Aquaculture,2021,530:735931.
[72] COBO 
,LLORENTE I,LUNA L,et al.A decision support system for fish farming using particle swarm optimization[J].Computers and Electronics in Agriculture,2019,161:121-130.
[73] ZHOU C,LIN K,XU D M,et al.Near infrared computer vision and neuro-fuzzy model-based feeding decision system for fish in aquaculture[J].Computers and Electronics in Agriculture,2018,146:114-124.
[74] 段青玲,刘怡然,张璐,等.水产养殖大数据技术研究进展与发展趋势分析[J].农业机械学报,2018,49(6):1-16. DUAN Q L,LIU Y R,ZHANG L,et al.State-of-the-art review for application of big data technology in aquaculture[J].Transactions of the Chinese Society for Agricultural Machinery,2018,49(6):1-16.(in Chinese)
[75] MANDAL A,GHOSH A R.Role of artificial intelligence (AI) in fish growth and health status monitoring:a review on sustainable aquaculture[J].Aquaculture International,2024,32(3):2791-2820.
[76] YANG X T,ZHANG S,LIU J T,et al.Deep learning for smart fish farming:applications,opportunities and challenges[J].Reviews in Aquaculture,2021,13(1):66-90.
[77] 麻志宏,刘鹰.DeepSeek与渔业智能体在现代渔业中的应用与发展前景[J].大连海洋大学学报,2025,40(2):185-194. MA Z H,LIU Y.Applications and future prospects of DeepSeek and fishery intelligent agent in modern fisheries:a review[J].Journal of Dalian Ocean University,2025,40(2):185-194.(in Chinese)
[78] MATHISEN B M,HARO P,HANSSEN B,et al.Decision support systems in fisheries and aquaculture:a systematic review[J].arxiv preprint.arxiv:1611.08374,2016.
[79] MARDLE S,PASCOE S.A review of applications of multiple-criteria decision-making techniques to fisheries[J].Marine Resource Economics,1999,14(1):41-63.
[80] SONG H L,DONG T,YAN X Y,et al.Genomic selection and its research progress in aquaculture breeding[J].Reviews in Aquaculture,2023,15(1):274-291.
[81] YANG D,CHEN X,SUN X,et al.Research progress of artificial intelligence in intelligent fisheries breeding in prediction and health management systems[J].Preprints.org.preprints202411.0149.v1,2024.
[82] DING Y,LIN M.Precision aquaculture strategies under the integration of intelligent monitoring and digital twin[C]//Second International Conference on Intelligent Transportation and Smart Cities (ICITSC 2025).March 21-22,2025.Luoyang,China.
[83] NIE Y,YANG H N,QU K,et al.Research on the development and application of an intelligent aquaculture system[J].Information Resources Management Journal,2025,38(1):1-20.
[84] MAHE R J,YE Z Y,QI M,et al.Application progress and prospect of game theory on aquaculture:from the perspectives of breeding,rearing,and marketing[J].Reviews in Fisheries Science &Aquaculture,2024,32(3):505-525.
[85] HU W C,CHEN L B,HUANG B K,et al.A computer vision-based intelligent fish feeding system using deep learning techniques for aquaculture[J].IEEE Sensors Journal,2022,22(7):7185-7194.
[86] CHEN J L,XU Y,LI H,et al.The application of digital twin technology in the development of intelligent aquaculture:status and opportunities[J].Fishes,2025,10(8):363.
[87] MA F,FAN Z W,NIKOLAEVA A,et al.Redefining aquaculture safety with artificial intelligence:design innovations,trends,and future perspectives[J].Fishes,2025,10(3):88.
[88] AUNG T,RAZAK R A,BIN MD NOR A R.Artificial intelligence methods used in various aquaculture applications:a systematic literature review[J].Journal of the World Aquaculture Society,2025,56(1):e13107.
[89] 张胜茂,李佳康,唐峰华,等.基于深度学习的鱼类养殖监测研究进展[J].农业工程学报,2024,40(5):1-13. ZHANG S M,LI J K,TANG F H,et al.Research progress on fish farming monitoring based on deep learning technology[J].Transactions of the Chinese Society of Agricultural Engineering,2024,40(5):1-13.(in Chinese)
[90] HUANG Y P,KHABUSI S P.Artificial intelligence of things (AIoT) advances in aquaculture:a review[J].Processes,2025,13(1):73.
[91] MUSTAFA S,ESTIM A,SHAPAWI R,et al.Technological applications and adaptations in aquaculture for progress towards sustainable development and seafood security[J].IOP Conference Series:Earth and Environmental Science,2021,718(1):012041.
[92] QIN Q Y,LIU J Y,CHEN Y H,et al.Knowledge mapping of the development trend of smart fisheries in China:a bibliometric analysis[J].Fishes,2024,9(7):258.
[93] JOSHI P,BHATT A,AGGARWAL G.Fishers 4.0:revolutionizing contemporary fisheries management through industry 4.0 integration[C]//2024 International Conference on Healthcare Innovations,Software and Engineering Technologies (HISET).January 18-19,2024,Karad,India.IEEE,2024:150-155.
[94] TENIWUT W A,HASYIM C L,PENTURY F.Towards smart government for sustainable fisheries and marine development:an intelligent web-based support system approach in small islands[J].Marine Policy,2022,143:105158.
[95] HONARMAND EBRAHIMI S,OSSEWAARDE M,NEED A.Smart fishery:a systematic review and research agenda for sustainable fisheries in the age of AI[J].Sustainability,2021,13(11):6037.
[96] LANDGE A T,MANO A,AKANSHA,et al.IoT and AI applications in fishing:smart fishing for sustainable practices[M]//Information Technology in Fisheries and Aquaculture.Singapore:Springer Nature Singapore,2025:59-70.
[97] WU Z L,XIONG M S,CHENG T F,et al.Application prospects and challenges of VHF data exchange system (VDES) in smart fisheries[J].Journal of Marine Science and Engineering,2025,13(2):250.
[98] KAUR G,ADHIKARI N,KRISHNAPRIYA S,et al.Recent advancements in deep learning frameworks for precision fish farming opportunities,challenges,and applications[J].Journal of Food Quality,2023,2023(1):4399512.
[99] TAKA H.Fishing position detection by wearable sensing to achieve fishery support[J].Sensors and Materials,2019,31(3):815.
[100] 周文英,史文崇.机器学习在渔业研究中的应用进展与展望[J].渔业研究,2022,44(4):407-414. ZHOU W J,SHI W C.Application progress and prospect of machine learning applied to fishery research[J].Journal of Fisheries Research,2022,44(4):407-414.(in Chinese)
[101] HASSOUN A,SIDDIQUI S A,SMAOUI S,et al.Seafood processing,preservation,and analytical techniques in the age of industry 4.0[J].Applied Sciences,2022,12(3):1703.
[102] STEEN BONDØ M,REIDAR MATHIASSEN J,AABY VEBENSTAD P,et al.An automated salmonid slaughter line using machine vision[J].Industrial Robot,2011,38(4):399-405.
[103] AZARMDEL H,MOHTASEBI S S,JAFARI A,et al.Developing an orientation and cutting point determination algorithm for a trout fish processing system using machine vision[J].Computers and Electronics in Agriculture,2019,162:613-629.
[104] WU D,ZHANG M,CHEN H Z,et al.Freshness monitoring technology of fish products in intelligent packaging[J].Critical Reviews in Food Science and Nutrition,2021,61(8):1279-1292.