AI_aquaculture_presentation

1.

Искусственный интеллект
в аквакультуре и уходе за водоёмами
Доклад с презентацией
2026

2.

Введение
• Аквакультура — одна из самых быстрорастущих отраслей производства продовольствия в мире.
• Традиционный уход за водоёмами опирается на ручной контроль и опыт человека.
• Искусственный интеллект (ИИ) — технологии, которые анализируют данные с датчиков и камер,
находят закономерности и помогают принимать решения.
• Цель применения ИИ — снизить риски (замор рыбы, болезни, потери при перевозке) и повысить
эффективность.
2

3.

Проблемы традиционного подхода
• Контроль качества воды «на глаз» — изменения можно заметить слишком поздно.
• Замор рыбы случается ночью, когда никто не следит за прудом.
• Перекорм или недокорм из-за отсутствия точных данных о температуре и активности рыбы.
• Потери при транспортировке: рыба гибнет из-за перегрева, нехватки кислорода, стресса.
• Болезни выявляются на поздних стадиях, когда лечение уже затруднено.
3

4.

Где применяется ИИ в аквакультуре
• Мониторинг качества воды (кислород, температура, pH, мутность).
• Распознавание состояния и поведения рыбы по видео с камер.
• Оптимизация кормления на основе данных о среде и активности.
• Планирование транспортировки рыбы и прогноз выживаемости.
• Прогноз рисков: цветение воды, замор, вспышки болезней.
4

5.

Мониторинг качества воды
• Датчики измеряют: O₂, температуру, pH, мутность —
в реальном времени.
• ИИ строит прогноз: «через 4–6 часов кислород
упадёт ниже нормы».
Датчики → ИИ-модель → Прогноз → Действие
Пример: температура растёт + мутность увеличивается
→ модель прогнозирует падение O₂
→ аэратор включается автоматически
• Система автоматически включает аэратор или подаёт
сигнал.
• Риск замора обнаруживается заранее, а не
постфактум.
5

6.

Распознавание состояния рыбы по видео
• Камера над прудом или садком непрерывно снимает рыбу.
• Нейросеть анализирует кадры и ищет отклонения в поведении и внешнем виде.
• Признаки проблем: рыба у поверхности, заглатывает воздух, повреждения чешуи, пятна, снижение
активности.
• Система присылает уведомление — это сигнал проверить воду и рыбу вручную, а не готовый диагноз.
6

7.

Оптимизация кормления
• Корм — одна из главных статей расходов в аквакультуре.
• ИИ учитывает температуру воды, уровень кислорода и активность рыбы у кормушки.
• Модель подбирает норму корма и время раздачи.
• При высокой температуре рыба ест меньше — рацион корректируется автоматически.
• Результат: меньше остатков корма, вода не портится, затраты снижаются.
7

8.

Планирование транспортировки рыбы
• Модель прогнозирует процент выживаемости на основе: температуры воды, длительности пути, плотности
посадки, уровня O₂.
• Подбирает оптимальные параметры: объём воды, тип контейнера, режим аэрации.
• Если рыба погибла после перевозки — ИИ анализирует причины: перегрев, стресс, нехватка кислорода.
• Пример: 50 рыб в пакете без термоизоляции при 28 °C → прогноз выживаемости 65–75%.
• Рекомендация: термоконтейнер, меньше рыбы на объём, контроль температуры — выживаемость 90–95%.
8

9.

Прогноз рисков: замор и цветение воды
• Цветение воды — массовое развитие водорослей, которое ночью резко снижает кислород.
• ИИ анализирует историю температуры, освещённости, мутности и состава воды.
• Модель предсказывает периоды максимального риска замора.
• Рекомендации: превентивная аэрация, частичное затенение, контроль органики.
• Главное — профилактика раньше, чем проблема станет необратимой.
9

10.

Преимущества ИИ в аквакультуре
• Раннее предупреждение проблем: падение кислорода, болезни, перекорм.
• Объективные данные вместо оценки «на глаз».
• Экономия ресурсов: корм, электричество, вода.
• Снижение потерь при транспортировке рыбы.
• Круглосуточный мониторинг — даже ночью, когда человек не может следить.
10

11.

Ограничения и риски
• Датчики и камеры стоят денег и требуют регулярного обслуживания.
• Модель может ошибаться при редких сценариях: резкие перепады погоды, новые болезни.
• ИИ не заменяет осмотр рыбы и ручной контроль воды — он лишь помощник.
• Ложные срабатывания могут привести к лишним затратам (например, ненужная аэрация).
• Требуются данные для обучения: чем больше истории, тем точнее прогноз.
11

12.

Заключение
• ИИ в аквакультуре — это не замена человеку, а инструмент, который помогает принимать решения
быстрее и точнее.
• Главные направления: мониторинг воды, контроль здоровья рыбы, оптимизация кормления,
планирование перевозок.
• Эффективность максимальна, когда ИИ работает вместе с человеком: система даёт сигналы, человек
проверяет и решает.
• По мере роста объёмов аквакультуры и удешевления датчиков применение ИИ будет только
расширяться.
12