傳統養殖蝦塭，漁民必須看天吃飯，大雨容易改變蝦塭水質酸鹼，加上池深水濁無法目視水底飼料消耗度，最怕餵食過度讓殘餌污染水質，導致蝦群大量死亡，「一隻蝦浮上水面，池底恐怕已有上百隻死蝦了。」中山大學海洋科學系教授洪慶章說。

AI 育成率從不到 5 成拉高到 7 成

即使漁民頻繁巡察蝦塭，也難以精確掌握蝦子生長進度，必須靠撈蝦檢視的方式抽樣整個蝦塭生長進度，加上台灣養殖業主高齡化，高齡漁夫冒惡劣天氣巡察也讓人驚心，中山大學海洋科學系教授洪慶章推動跨學系專案，與資訊工程系教授黃英哲合作，要讓 AI 應用落地，解決老漁夫痛點。

洪慶章成立的智慧科技水產養殖團隊最新成果，是利用 AI 養蝦，不僅蝦隻身型比一般傳統養殖蝦大得多，也能利用 AI 告知投餌最佳時機，降低成本，減少人力巡邏工作量，用 AI 增加蝦塭產收。

透過 AI 養蝦成績斐然，一般坊間養殖蝦子育成率約 4～5 成，也就是說，一百萬尾蝦苗最好可以育成 50 萬隻蝦子，若天候不佳，育成率還會更差，但教授們導入 AI 以科學方法養蝦，育成率可以提高到 7 成。

洪慶章說，漁民養蝦最大的挑戰是「混濁的養殖池水質」，這是蝦隻的成長好壞關鍵，而水質與餵食的飼料數量及時間點關聯非常高，但養蝦的水質混濁，所以漁民無法以目視判斷池底蝦的健康情況，一旦過度餵養蝦群，水中殘留過多的殘餌與排泄物，會使水質加快惡化。

洪慶章說，壞的水質會將增生細菌，使蝦隻生病，導致全池覆沒。當颱風、寒害來臨，更是蝦塭最危險的挑戰。

洪慶章為此與台灣海洋中心合作開發的「高靈敏度水下攝影系統」（UVS） ，全天候監控錄製全彩即時影像，透過紅外線技術自動化觀測及預警，AI 資料庫每天新增 4000 張以上圖片，加上錄影資料提供 AI 學習分析。

透過分析這些大量資料，用監控影像資料來「訓練」AI 機器，目前 AI 已經可以協助漁民判斷是否該投餌餵食，其次，掌握池裡蝦隻的數量、大小與移動速度，透過資料機器學習，也已建立蝦隻成長模型。

目前洪教授的團隊也開發了 APP，讓漁民遠端操控，透過智慧化軟體自動控制投放飼料、排放汙泥等日常工作，也就是說，當 AI 判斷該投放餌料，農夫透過手機 App 就能執行。

另外，有別於傳統蝦塭是四方形，蝦池角落常堆積污泥廢餌，因此團隊也改良推出圓形蝦塭，讓淤泥因水流集中於池底中央，有利於清潔排汙，取代人工挖污泥，減緩水質腐壞。另外蝦塭也設立一圈供氧設備，讓蝦隻含氧平均。

AI 養殖挑戰是資料量與自動化

AI 養蝦兩個考驗是龐大資料量與自動化考驗，洪慶章表示，專案執行第一年已累積了 47TB 影像跟照片資料，若預估專案要執行三年，資料量累積將會高達 500TB，為此儲存端，他們採用 Seagate SkyHawk 硬碟儲存監控影像資料，並以 NAS 系統專用 Seagate IronWolf Pro 硬碟做超大量的資料儲存。

在智慧養蝦後，這個團隊的下一步是自動化。黃英哲表示傳統養殖業必須看天吃飯，很難跟工廠一樣照固定規則運行，所以養殖業導入自動化管理系統有很大挑戰，但可以利用 AI 彌補，目前魚塭老闆可以透過 App 監控最佳餵食時間，按未來期望能更 AI 化自動判斷時機並投料。

硬碟大廠希捷委託 IDC 進行《資料脈動：釋放人工智慧的潛能》調查顯示，76% 的台灣受訪者已計畫在未來開始採用 AI 解決方案，但有 83% 的受訪者不知該從何處著手。

對此黃英哲表示，傳統產業若要轉型突破，必須要先找出隱藏在企業內價值資料，這部分必須對資訊系統進行投資，目前該團隊計畫把該實驗架構複製到一般魚塭，進行實地測試。

（本文出自數位時代）