水裡也有AI？智慧科技如何改變臺灣漁業

「臺灣大約從5、6年前開始將智慧科技全面導入養殖產業。」冉繁華特聘教授指出，現代智慧養殖的核心是建立一套決策系統，透過多元感測元件與演算法，如同為魚塭裝設無數敏銳的眼與手，全天候感知水下環境的細微變化。

首要被科學化的，是最憑經驗的「看水色」。水色反映了藻相與水質健康，但過去全憑養殖戶的直覺經驗。研究團隊運用光學鏡頭，在拍攝畫面中設置固定距離的標準色卡進行背景校正，精準判讀水色變化，再疊合酸鹼值、溶氧量等水質相關數據，將抽象「水感」轉譯為具體科學參數。

除了監控水質，直接牽動營運獲利的環節是投餵管理。冉繁華特聘特聘教授說明，飼料在水產養殖成本中占比超過5成，「只要能透過技術減少1％至2％的浪費，就相當於直接增加1％至2％的獲利。」

實現精準投餵的第一步是掌握魚重。鄭錫齊教授指出系統透過水下影像即時估算魚體長度並換算體重，依每日體重變化的生理需求精算投餵量與飼料落點。投料時，團隊在投餌機旁架設攝影機觀測「水花」——魚群搶食時水花劇烈程度，改變投餵速度及方向，飽食後自然減弱，系統隨即下修投餵量。這套水花辨識技術在外海箱網更顯關鍵，面對動輒蓄養十幾萬尾魚、圓周達100公尺的巨型箱網，AI自動化控料徹底解決人工撒料容易分心與成本浪費的痛點。

然而，便利的智慧系統背後全靠扎實的「笨功夫」。冉繁華特聘教授笑著分享，為了訓練AI精準辨識魚種體長和體重的關聯性，團隊必須逐一撈捕、人工量測7,000到8,000尾不同胖瘦的個體；一旦切換魚種，資料庫就必須重新建置。

監測系統提前捕捉到魚群攝食時間縮短的異常訊號。提早示警讓業者得以緊急減食應變，成功救回部分魚群。（圖片來源：國立臺灣海洋大學水產養殖學系副校長冉繁華特聘教授團隊）

從攝食異常看見病徵  用精準數據迎戰極端氣候

張欽圳教授指出影像辨識不僅能精算飼料，更是疾病預警哨兵。魚群不適時常有食慾下降或浮頭行為，過往僅能靠人力巡塭觀察，如今透過鏡頭全天候監控，並以通訊軟體即時向養殖戶推播異常警訊，大幅降低巡檢的人力與時間成本。

冉繁華特聘教授及杜健瑋研究員回憶，2024年嘉義午仔魚爆發疫病前夕，監測系統提前捕捉到魚群攝食時間縮短的異常訊號。提早示警讓業者得以緊急應變，成功救回部分魚群，「這類因高溫或細菌引發的腸胃道疾病，就像人類拉肚子一樣，必須先減少食物攝取甚至禁食，硬塞飼料只會惡化得更快。」

面對極端氣候，對於「看天吃飯」的水產養殖而言，關鍵在於「調適」。他以最棘手的久旱不雨為例，淡水養殖魚塭可能面臨水量減少，海水養殖魚塭則須留意鹽度升高。「海水養殖魚塭的鹽度通常約為千分之33，相當於每公斤水中約含33公克鹽分；若連續兩週強烈日曬且未降雨，水分大量蒸發，鹽度可能升至千分之40。數字看似相差不大，卻可能超出魚蝦能夠適應的範圍，影響其生長甚至存活。」儘管可結合太陽能板隔熱，或轉向室內循環水養殖來因應，但伴隨的建置成本，迫使產業必須在有限面積內追求更高的良率與產能，水質監控與精準投餵等數據，因而成為抵禦氣候衝擊的重要防線。

除了抗衡天候，智慧轉型更關乎產業的世代傳承。根據行政院主計總處每5年辦理一次的《農林漁牧業普查》，截至2020年底，臺灣獨資漁戶經營管理者平均年齡已達60.2歲。「智慧設備不只是吸引年輕人回家接班的誘因，更是讓他們站穩腳步的基石。」冉繁華特聘教授團隊結合遠距專家診斷與決策資料庫，將老師傅的手藝化為數位資產，大幅降低新世代動輒百萬元的試錯成本。

當陸上水產養殖逐步透過科技築起精準防線，在視線不可及的大洋之上，臺灣遠洋漁業透明度與永續治理的革新也正同步展開。

打造3D即時動態海圖  AI辨識航跡守護遠洋治理防線

場景切換至浩瀚公海，治理難題與技術截然不同。許為元副教授團隊自主研發百分之百國產的「新世代全球3D即時動態海洋與漁業地理資訊分析系統」，將自動船舶識別系統（AIS）、漁船監控系統（VMS）、漁船航程紀錄器（VDR）及海洋氣象環境等龐大數據，疊合成即時運算的立體動態海圖，作為官方管理單位的數位決策中樞。

新世代全球3D即時動態海洋與漁業地理資訊分析系統。（圖片提供／國立臺灣海洋大學資訊工程學系許為元副教授）

系統核心優勢在於「最即時的數據更新」與「最細緻的航跡分析」。「最關鍵的一步，是讓AI準確判斷船隻是否正在捕魚。」許為元副教授指出，面對橫跨海洋的密集航跡，AI演算法能協助辨識船隻是否進行漁撈作業、標定實際下?區域，並估算不同海域的漁獲量與經濟價值；系統再將分析結果與捕撈許可及漁獲配額資料交叉比對，提供稽核人員即時查核。

為了整理龐大的海域資訊，系統依經緯度將海圖切分成一格格的分析區域，這些排列整齊、用來記錄數據的方格就稱為「網格」。這裡的「度」源自於地球球體的經緯度中心夾角，在赤道與台灣附近海域，經緯度每差1度，實際地面距離大約是111公里。系統以此為基準劃分網格：遠洋海域以0.25度（約25 公里）為單位呈現巨觀趨勢；沿近海則極致細分至0.001度（也就是將邊長縮小到僅約100公尺），精準捕捉船隻在岬角或海灣的細微動態。分析結果再以每一格都能向上延伸、代表不同漁獲高度的3D立體柱狀網格呈現，稽核人員只要點選網格，即可掌握該區域的捕撈重量與魚種組成。在國際嚴格防堵非法捕撈（IUU）的趨勢下，這套系統也成為維護臺灣漁權與國家聲譽的重要工具。

同樣邏輯也延伸至沿近海的空間治理。許為元副教授分享：「過去討論離岸風電開發與傳統漁場衝突時，2D平面圖難以呈現差異；導入3D動態圖層後，即可一目瞭然區分不同熱區的作業強度。」透過掌握捕撈熱區位置、作業累積時數及商船與漁船的路徑差異，不僅能客觀釐清風場開發是否擠壓漁民生計，更能留下長期數據基準，追蹤施工前後對周邊漁場資源的實質影響。

遠洋漁業AI漁獲捕撈圖。（圖片提供／國立臺灣海洋大學資訊工程學系許為元副教授）

沿近海漁業AI漁獲捕撈圖。（圖片提供／國立海洋大學資訊工程學系許為元副教授）

克服非標準化甲板  國產電子觀察員的人機協作術

有了掌控全局的3D動態航跡後，真正要落實透明治理，下一步就得深入現場，讓每一尾上鉤的漁獲都被精準記錄。

國際上進行以「電子觀察員」（Electronic Monitoring, EM）輔助或替代人力監控的研究已逾20年。許為元副教授團隊經過約5年的研發與場域測試，逐步將電子觀察技術應用於臺灣不同類型的漁船。這難度遠高於國外，因漁船不像車輛出廠有標準規格，且從CT6至CT8級（總噸位200噸以上）的大型漁船、CT3至CT5級（總噸位20噸以上未滿200噸）的中小型遠洋漁船，到更小型的家計型漁船，每艘船的甲板配置、冷凍庫開口與作業習慣截然不同，「有的國家規範船東將漁獲拉至特定判定區以利魚種辨識，但我國系統從『人』的角度出發，必須在完全不干擾漁民既有作業的前提下運作，難度瞬間倍增。」

沿近海多目標AI魚種辨識。（圖片提供／國立海洋大學資訊工程學系許為元副教授）

研發團隊攻克技術瓶頸，訓練AI在各種視角與複雜背景下辨識魚種。即使漁獲上岸後魚體外觀不完整，或僅從甲板設備等障礙物間短暫露出，加上夜間光線昏暗、鏡頭遭海水噴濺而模糊等狀況，系統的魚種辨識準確率仍突破8成；覆核人員只需針對AI標記的關鍵作業時間點進行確認，大幅提升審核效率。

此外，當系統來到沿近海場域，挑戰則來自物種多樣性。臺灣常見經濟魚種超過500種，同一種魚的俗名各地都不同，加上卸魚現場樣態多變，團隊正逐年擴增辨識模型庫。許為元副教授笑著說：「支撐AI高精度演算法的背後一點都不浪漫，得動用大量人力頂著四季的烈日、海風、寒冷、飄雨，在全臺包含離島漁港和魚市場逐一採樣、鑑定與軟體輔助框選標記。」團隊亦同步開發民間版系統，讓漁民透過手機拍照即可自動填報漁獲，將繁瑣的紙本申報轉化為便捷的數位流程，實踐由下而上的自主管理。

沿近海多目標AI魚種辨識。（圖片提供／國立海洋大學資訊工程學系許為元副教授）

從魚塭到大洋  以數據打造人海共榮的未來

面對永續與產業競爭力的平衡，兩位學者的答案殊途同歸：先把水面下的數字弄清楚。

冉繁華特聘教授從「健康一體」（One Health）切入，以精準投餵減少浪費，同時嘗試以黑水虻等昆蟲製成的蟲粉，或以發酵菌粉作為替代蛋白，從源頭降低對以沙丁魚、鯷魚等捕撈魚類製成之「海洋捕撈魚粉」的依賴；許為元副教授則以鬼頭刀為例，透過電子觀察員建立的真實數據，作為爭取國際MSC永續認證、提升產業價值的關鍵

「使用AI，而不是被AI使用。」許為元副教授提醒，這場漁業智慧變革的核心在於現場經驗與資訊技術間的知識轉譯，當科技將水面下看不見的動態轉為透明數據，臺灣漁業便能築起兼顧生計與生態的永續防線。

資料來源

1. 國立臺灣海洋大學水產養殖學系副校長冉繁華特聘教授
2. 國立臺灣海洋大學資訊工程學系許為元副教授
3. 行政院主計總處，〈109年農林漁牧業普查初步統計結果〉，2022年6月20日

本文轉載自《科技大觀園》，一個由國科會建置的科普數位整合平臺