臺北市

工研院AI水產養殖,溶氧告警與人工巡池怎麼分工?

媒角抵加News/林承志
發布:(台灣時間) 資料更新:(台灣時間)
AI生成情境示意,養殖人員蹲在魚塭邊,以手持儀器和浸入水中的探頭複測溶氧。

(媒角抵加/林承志綜合報導)工研院2026年3月15日在《工業技術與資訊》介紹智慧養殖案例。感測器持續量測水中有多少氧氣,AI則根據魚群搶食時的動靜判斷何時停餵。台南七股的石斑魚池曾用手持儀器比對感測器,工研院的探頭到第10天仍在試驗設定的誤差範圍內。養殖戶收到低氧通知後,可以到池邊複測,確認水車有沒有運轉、增氧後的讀值有沒有回升。工研院月刊、七股場域測試。

關鍵資訊

  • 溶氧監測:感測器持續記錄氧氣濃度,讓養殖戶看見夜間變化並安排複測。
  • AI投餵:系統用魚群搶食時的震動等訊號判斷何時停餵。工研院團隊曾用6次投餵測試停餵時間。
  • 場域採用:工研院表示,長效溶氧感測器已技轉儀興科技,並導入彰化、嘉義等地20多家養殖業者。工研院產業焦點。

七股魚池用手持儀器核對溶氧讀值

低氧風險往往出現在半夜到清晨。夜間藻類停止行光合作用,魚群和微生物仍持續耗氧。溶氧感測器可以把巡池兩次之間的變化記下來,但探頭長時間泡在水裡,表面覆上生物膜,讀值也可能偏移。工研院月刊。

工研院研究人員於2025年12月發表七股石斑魚池的現場比對。他們把自研探頭和一款市售進口探頭放在同一池,以手持儀器定期取樣。團隊將偏差超過20%定為測試中的失效條件。進口探頭第3天超過這個界線,自研探頭第10天仍在範圍內。這組數字說明兩款探頭在同一池的讀值穩定度。要知道告警是否可靠,還得逐次對照手機通知、池邊複測和水車運轉紀錄。工研院研究人員發表的場域比對。

AI生成概念圖,以手機、手持量測儀及水車圖示說明低氧告警、人工複測與確認增氧。
低氧告警後,可到池邊複測並確認增氧設備運轉情況。

石斑魚搶食的動靜,讓AI判斷何時停餵

工研院公開的投餵系統把攝影機對準水面,量測魚群搶食時濺起的水花,水下感測器則記錄震動。養殖專員先提供自己判斷何時停餵的紀錄,團隊用這些資料訓練模型。實際投餵時,中控主機用水面活動、震動和亮度資料,判斷是否停止撒料。工研院團隊的投餵技術報告。

工研院研究人員與水試所研究人員在2025年11月發表場域試驗,以養殖專員操作的17次投餵作為訓練資料,另用6次投餵測試。模型預測的停餵時間與養殖專員的實際操作相比,平均誤差約8.2%。若要估算一季能省多少飼料,還要比對相同魚種和養殖條件下的整季用料。共同發表的投餵試驗結果。

養殖戶拿到告警,可從一口池驗收

準備導入的養殖戶可先選一口已有巡池紀錄的池,保留原來的巡池安排。遇到告警,記下通知時間、現場複測值、水車有沒有啟動,以及讀值多久回升。定時巡池時也可記下手機沒響、手持儀器卻測出異常的情形。累積這些紀錄,就能算出這口池的誤報與漏報,再把設備報價、探頭清潔校正和現場到班時間一起比較。七股場域比對的複測方法。

資料來源與更新紀錄