最新消息

:::

無人載具於水產養殖之技術研發與應用（上）

  • 發佈日期：
  • 資料來源：農業部農業科技專案計畫服務網

農業科專服務小組 陳俞瑾 專案經理

隨著2050年全球人口將接近97億，人類對蛋白質來源之需求將持續攀升，而水產品與畜牧產品占全球平均蛋白質攝取量約40%，然水產養殖業與畜牧業均屬於勞力密集型產業（Chang et al., 2024）。根據聯合國糧食及農業組織（FAO）統計資料，全球水產食品消費量已大幅成長，從1961年人均9.1公斤增加到2022年人均20.7公斤。為滿足市場需求，2022年之水產動物總產量高達1.85億公噸（2020年為1.78億噸），且當年之全球水產動物產值增至4,520億美元（2020年約為4,060億美元），其中水產養殖業約2,960億美元、捕撈漁業約1,570億美元。此外，養殖水產動物產量（9,440萬公噸）更首次超過捕撈漁業產量（9,100萬公噸）（FAO, 2022）（FAO, 2024），顯示水產養殖已成為全球水產供應之主力。然而，隨著需求與供給快速增長，水產養殖領域仍面臨重大挑戰，包括疾病風險、飼料成本上升及高度依賴人力等問題。

近年，人工智慧（Artificial Intelligence, AI）已興起成為各領域具變革性之新技術，於資料分析、機器學習、電腦視覺及自動化決策等技術成熟後，其應用已從實驗室逐步擴展至實際漁場與遠洋作業環境，並成為改善水產養殖管理與生產效率之重要工具。歐洲議會報告提及人工智慧於漁業生態與管理方面之樣本處理與數據分析具備應用潛力，並根據《人工智慧法案》（AIA）提案將人工智慧技術與方法進行分類（圖1）（Fernandes-Salvador et al., 2022）：

  • 機器學習（Machine Learning）方法：包括監督式學習、非監督式學習及強化學習等，以各種演算法從資料中訓練模型，機器學習擅長從大量資料中自我改進，能夠發掘複雜模式，普遍應用於預測作物產量與疾病偵測等。
  • 基於邏輯與知識之方法：例如專家系統、知識表達及推理邏輯，透過內建之人類知識與規則進行推論。在農業領域中，這類AI可用於決策支援系統，根據科學知識庫提供建議，如病害防治等。

統計方法：包含機率統計推估、貝氏分析、搜尋演算法及最佳化方法等。這些方法往往被視為AI之數學基礎，融入前兩類系統以強化其決策能力。例如，利用貝氏模型預測天氣對產量之影響，或以最佳化演算法規劃餵養時程。


圖1、人工智慧技術與方法分類
▲圖1、人工智慧技術與方法分類（Fernandes-Salvador et al., 2022；本研究翻譯重繪）
 

於此技術發展背景下，水用無人載具（Unmanned Maritime Vehicles, UMVs）逐漸成為AI技術落地應用之重要途徑。透過結合水下影像、聲學探測、自主航行與遠端操作之能力，使水用無人載具能夠執行高風險、高深度及高頻率之作業，包含水質監測、生物量估測、網箱破損偵測、自動巡檢及沉積物分析等，大幅降低人力負擔與作業風險；此類技術發展將可能創造新技能就業機會，如操作漁業數據分析系統、維護水下機器人等，有望吸引年輕世代投身漁業生產，對於老齡化嚴重之養殖捕撈行產業而言尤其重要。

美國國家海洋暨大氣總署（NOAA）所屬之Okeanos Explorer是全球首艘專為海洋探索設計與運作之政府研究船，負責執行遠洋探測、深海測繪及生態研究等任務，其配備先進之多波束測深系統（multibeam sonar）、遙控水下載具及自動化資料採集系統，可於數千公尺深海域進行高解析度地形繪製與即時影像傳輸，藉由「即時遠端探索模式（telepresence-enabled exploration）」，船上科學家可透過衛星連線即時將影像與感測數據傳輸至岸上實驗室（NOAA, 2025）。此模式充分展現水下無人載具技術之綜合應用，包括深海作業、自主測繪、海底生物影像記錄及即時資料共享等，其研究成果不僅推動海洋科學之前沿發展，也成為後續AI、機器人及水下載具應用於海洋探勘與水產養殖之重要技術基礎。

無人載具類型

現今水產養殖產業主要包含水質監測、生物量估測、檢測、投餵及清潔等作業，但多數仍依賴人工作業，其勞動強度高、風險大且效率低。隨人工智慧技術快速發展，智慧投餵、即時水質監控及自動檢測已成為彌補人力不足、提升生產效率之核心方向。而無人化養殖設備包含基於物聯網與雲端平臺之水質監測系統、5G遠端控制智慧投餵裝置、水下機器人網箱檢測、生物量估測、無人船與無人機自動餵養系統、仿生機器魚及養殖環境監測裝置等（Wu, 2022）（圖2）。

圖2、水產養殖載具應用
▲圖2、水產養殖載具應用（Wu, 2022；本研究翻譯）

水用無人載具包含水面載具（unmanned surface vehicles, USV）與水下載具（unmanned underwater vehicles, UUV），後者又可依功能分為遙控水下載具（remotely operated vehicles, ROV）與自主水下載具（autonomous underwater vehicles, AUV）。USV具有多樣化尺寸與推進系統以應用於不同用途；UUV可採用遠程遙控或自主導航模式，其中ROV為可透過纜線操控端連接之水下載具，該纜線同時提供動力與通訊，使操作員可即時控制其動作，適用於高精度任務與深海作業；而AUV 則不需纜線，其自帶動力與儲存裝置，能依預設程式自主航行並執行任務，普遍設計更重視能源效益、航程及感測功能整合（Bae and Hong, 2023；Wibisono et al., 2023）。在水產養殖應用中，無人載具通常具備多重功能設計，機構功能依載具類型而異（表1），包含：

  1. 無人空載載具（UAV）：用於養殖場空中偵察、鳥瞰魚網結構、餵養觀察、水質浮標部署、輔助定位等，功能包含高清攝影/視頻模組、熱感/多光譜攝像頭、GPS定位、自動航線規劃、影像回傳及即時分析等。
  2. 無人水面載具（USV）：部署於水面作為巡航平臺，可偵測水質、部署傳感器、甚至拖曳水下載具，其功能包含自主航行（航線規劃/避障）、GNSS定位、資料通訊（4G/5G/衛星）、水質檢測儀器（DO、pH、溫度、氨氮等）、魚群探測雷達或聲學模組等。
  3. 無人水下載具（UUV/AUV/ROV）：為養殖場中最具應用潛力之載具類型，可進入網箱與底床進行檢查、維護及監測，功能設定包含機構/平臺設計、感測模組、導航與控制系統、通訊與資料回傳及維護/操作功能（如淨網、移除障礙、修補等）等。

表1、水用無人載具類型與功能設計（本研究整理）

/表1、水用無人載具類型與功能設計

參考資料：

  1. Bae, I., & Hong, J. (2023). Survey on the Developments of Unmanned Marine Vehicles: Intelligence and Cooperation. Sensors, 23(10), 4643. 
  2. Chang, K. R., Lee, C. C., Hsieh, Y. L., Hsieh, P. C., & Kuo, Y. F. (2024). Strategic Short Note: Application of Smart Machine Vision in Aquaculture and Animal Husbandry. In IoT and AI in Agriculture: Smart Automation Systems for Increasing Agricultural Productivity to Achieve SDGs and Society 5.0 (pp. 447-451). Springer.
  3. FAO. 2022. The State of World Fisheries and Aquaculture 2022. Towards Blue Transformation. FAO, Rome.
  4. FAO. 2024. The State of World Fisheries and Aquaculture 2024: Blue Transformation in Action. FAO.
  5. Fernandes-Salvador, T., Martín, G., Prellezo, R., Rihan, D., & Natale, F. (2022). Artificial intelligence and the fisheries sector (Study No. PE 699643). Policy Department for Structural and Cohesion Policies, European Parliament.
  6. National Oceanic and Atmospheric Administration (NOAA). (2025). NOAA Ship Okeanos Explorer: America’s ship for ocean exploration. NOAA Ocean Exploration. Retrieved October 25, 2025.
  7. Wibisono, A., Piran, M. J., Song, H.-K., & Lee, B. M. (2023). A Survey on Unmanned Underwater Vehicles: Challenges, Enabling Technologies, and Future Research Directions. Sensors, 23(17), 7321. 
  8. Wu, Y. (2022). Application of intelligent and unmanned equipment in aquaculture: A review. Computers and Electronics in Agriculture, 199, 107201.