什么是智慧水产业？IoT、AI与无人机如何改变日本的渔业与养殖业

什么是智慧水产业——日本水产厅提出的定义与目的

“智慧水产业”这一说法对许多人来说还是第一次听到。首先让我们了解一下政府是如何定义这一概念，以及其目标是什么。

利用ICT与IoT打造“下一代水产业”的定义

日本水产厅在其官方网站上将智慧水产业定义为“通过利用ICT、IoT等先进技术，同时实现水产资源的可持续利用与水产业作为产业的可持续发展的下一代水产业”。其要点在于同时实现“资源的可持续利用”与“作为产业的成长”这两个看似相互矛盾的目标。这并不仅仅是机械化或省力化，其核心在于将每位渔业从业者所拥有的经验与直觉转化为可视化数据，使其能够被共享和利用。

为了将这一方针具体化，日本水产厅于2023年8月更新了《水产领域数据利用指南》与《关于通过平台进行水产领域数据利用的指引》。明确规定谁可以收集哪些数据、可以共享到什么程度，这看似不起眼，但却是与技术引进同等重要的基础建设。

劳动力短缺与高龄化的政策背景

这一政策之所以被加急推进，是因为支撑渔业的人力正在迅速减少。根据日本水产厅的水产白皮书，2022财年渔业从业人员数较上一财年减少4.8%，降至12.31万人。新增渔业从业人员数在2022财年也仅为1691人，较上一财年的1744人进一步减少。虽然65岁以上从业人员的比例呈上升趋势，但39岁以下年轻从业人员的比例近年来也呈上升趋势，显示出世代更替的萌芽。然而总体而言，经营主体后继无人的问题依然是一个严峻的课题。

要以更少的人力维持甚至提高原有的生产水平，就必须建立即使是经验尚浅的从业者也能保持一定作业质量的机制。通过ICT、IoT、AI实现的“可视化”与自动化，将熟练从业者的技术转化为系统，有望降低新从业者的学习成本，降低进入渔业的门槛。

全球范围内不断扩大的养殖业与智慧化趋势

这种技术引进的必要性并不仅限于日本。根据FAO《世界渔业和水产养殖状况（SOFIA）2024》报告，2022年全球水生动物产量约为2.232亿吨，其中养殖业产量为1.309亿吨，占总量的57%，首次超过天然捕捞量（9440万吨）。不依赖天然资源，而是在有限的海域内实现高效且可持续的生产，这是全球共同面临的课题，各国都在关注通过传感器与AI实现管理的高度化。

• 渔业从业人员减少与高龄化导致的劳动力短缺
• 燃料价格上涨导致出海成本上升
• 海洋环境变化导致渔场与资源预测困难
• 熟练渔业从业者的经验与直觉难以传承
• 随着全球养殖生产规模扩大，对效率化与可持续性的要求日益增强

日本水产厅从2020财年至2026财年实施的“智慧水产业推进事业”，其目的不是让技术止步于一次性示范，而是要在多个财年中持续推动技术在现场的落地生根。许多技术往往在示范阶段就宣告结束，而设定长达七年的实施期本身，就体现了对技术能否真正扎根现场的重视。

“智慧水产业”这一说法虽然是近几年才开始被广泛使用，但水产领域引进ICT技术本身，其实有着更早、更渐进的历史，例如渔业无线电与鱼群探测器。这次政策与以往不同之处在于，各个设备不再是各自独立显示信息，而是被设计为将所收集的数据积累在云端，成为多个相关方可以共享与分析的基础平台。当数据不再局限于个人手中，而是与渔业协会、研究机构，有时甚至与其他地区的生产者共享时，一个人的经验就能转化为整个地区的共同知识。

改变沿岸与近海渔业的ICT与AI技术

在渔业现场，以往依赖经验与直觉进行的渔场选择与出海判断，正逐渐被基于数据的支持技术所改变。下面来看看沿岸渔业与近海、远洋渔业各自使用了哪些技术。

通过物联网浮标与海洋雷达实时掌握海况

日本水产厅2024财年水产白皮书中，将“通过自动海洋观测浮标实时公开环境信息”与“利用海洋雷达进行观测”列为沿岸渔业的相关技术。宫崎县通过海洋雷达对约100公里范围的近海进行观测，使潮流与海况能够以面的形式被掌握。以往渔业从业者只能亲自出海确认的近海状况，如今可以在陆地或船上的屏幕上提前查看，其意义十分重大。

在宫城县石卷湾，针对定置网渔业与鲑鱼捕捞，也开展了使用智能浮标的示范项目。传感器获取的数据与开放数据一同积累，渔业从业者可以通过智能手机查看出海计划的参考信息，从而减少不必要的出海，抑制燃料成本。

利用卫星数据与AI预测渔场形成

在近海与远洋渔业中，结合卫星数据与AI分析的“渔场形成预测”技术正在不断发展。日本水产厅的白皮书介绍了利用JAXA（宇宙航空研究开发机构）气候变化观测卫星“SHIKISAI（向日葵姊妹星）”获取的海面水温数据，被用于养殖场的环境监测等方面。海面水温与洋流的分布与鱼类洄游密切相关，能够通过卫星进行广域且持续的观测，对于以有限燃料高效抵达渔场而言，是一件强有力的武器。

此外，针对鲣鱼一本钓渔船开发的自动钓鱼设备等，不仅是渔场探索，连实际捕捞作业本身也在推进省力化技术的开发。“寻找”渔场与实际“捕捞”这两个阶段同时推进数字化与自动化，是近年来智慧水产业的一大特征。

在这些技术普及之前，渔业从业者长期依靠“这个季节、这种潮汐条件下鱼群会聚集在此处”这样的经验直觉来选择渔场。当然，基于经验的判断力如今依然重要，但在气候变化导致海水温度与潮流模式逐渐偏离以往规律的背景下，实时数据对经验的补充作用日益凸显。将老练渔民的直觉与数据分析相结合，正是这些技术的目标所在——提升判断的精准度，而非取代经验本身。

作为渔场预测基础的卫星数据，除了海面水温之外，还包括反映浮游植物数量的“叶绿素浓度”、反映海面高度变化的“海面高度”等多项指标。将这些指标组合起来，就能在出海之前，大致推测出鱼类饵料浮游植物容易聚集的海域，以及暖流与寒流交汇形成的优良渔场——潮境。拥有丰富经验的渔业从业者一直凭借直觉寻找这类潮境，而卫星数据则为这种直觉提供了佐证，也有助于向经验尚浅的船员传授技术。

像宫崎县海洋雷达这样能够以面的形式覆盖约100公里近海范围的观测网络，能够提供单艘渔船自身传感器所无法获得的信息。当多位渔业从业者可以参考同一数据基础时，就能避免船只集中涌向有限渔场所带来的低效，在燃料成本与劳动时间两方面减少浪费。

养殖业的智慧化——自动投饵与水质管理

养殖业承担着水产品稳定供应的重任，但投饵与水质管理一直需要大量人力与经验。如今，IoT与AI正在被引入这一领域。

使用AI的自动投饵系统的普及

在养殖业中，与水下摄像头、水温及溶解氧传感器联动的自动投饵系统正在不断普及。通过传感器检测鱼类的摄食行为，在最佳时机只投喂所需的量，既能抑制因投饵过量导致的浪费与水质恶化，又能加快生长速度。投饵是养殖作业中尤其耗费人力与时间的环节，需要不分早晚每天在固定时间进行，因此自动化带来的省力效果格外显著。

投饵过量不仅仅意味着成本的浪费。未被吃掉的饲料会沉入海底，在分解过程中导致水质恶化，也可能引发富营养化，成为赤潮发生的原因之一。通过传感器实时掌握摄食状况并调整投饵量，不仅能提高经营效率，也有助于保护养殖场周边的海域环境。

通过水温、溶解氧、盐分传感器进行远程监测

在京都府舞鹤市，京都府渔业协同组合舞鹤海扇蛤分会与KDDI等单位自2023年7月起在舞鹤湾开展示范项目，通过物联网传感器将当地特产“丹后海扇蛤”的养殖环境实现可视化。将装有幼贝的容器分别沉入水深3米、6米、9米、11米处，通过带有升降装置的物联网传感器每小时测量一次水温、溶解氧、叶绿素、盐分等数据，并存储至云端。丹后海扇蛤的养殖大约需要一年时间，由于不同水深环境各异，以往只能凭经验判断“哪个水深适合当年的生长”，如今则可以通过数据进行验证。

示范项目的目的在于将积累的数据整理成养殖手册，并在养殖从业者之间共享最佳环境条件。将原本依赖个人经验的诀窍转化为组织性的知识积累，是即使从业人员更替也能维持品质的体制建设的第一步。

以往的投饵方式通常是在固定时间投喂固定量的“定时定量”方式。然而鱼类的食欲会因水温、天气、生长阶段的不同而每天变化，因此实际摄食状况容易与投饵量产生偏差。通过传感器掌握摄食行为并细致调整投饵量的方式，有望弥合这种偏差，优化在养殖经营中占比很大的饲料成本。

从其他地区的示范实验看生长速度的变化

在爱媛县爱南町，Umitron株式会社于2018财年至2019财年期间，利用智能投饵机“UMITRON CELL”以及判断鱼类食欲的AI“UMITRON FAI（Fish Appetite Index）”，针对真鲷养殖开展了示范试验。据报告，试验开始一年后，与对照组相比，每尾鱼的增肉效果约为0.4公斤，将鱼体重长到1公斤以上所需的时间缩短了4个多月。这是针对爱南町——一个凭借温暖气候与复杂海岸线成为养殖渔场的地区——所面临的饲料价格上涨与劳动力短缺等课题所推行的具体解决方案。

在德岛县海阳町的那佐湾，KDDI等单位自2018年12月起开展牡蛎智能养殖项目。通过LTE通信网络连接水温、气温传感器、浊度传感器以及检测笼具晃动的传感器，使牡蛎从种苗到成品所经历的环境变化与浮游植物摄取量能够以数据形式被追踪。2020年3月，该物联网系统正式启动，未来还计划构建利用机器学习的推理模型。其目标是打造即使是养殖经验尚浅的新参与者也能从第一年起获得收益的机制。

投饵自动化与最优化带来的效果，并不仅限于养殖从业者的收支。饲料成本是养殖经营中最大的成本项目之一，水产厅与行业团体的资料也显示其在生产成本中占据相当大的比重。正如爱媛县爱南町的示范结果所示，若能在相同周期内更早养到出货规格，就能缩短占用海面或养殖设施的时间，从而有可能在相同设备条件下实现更多的生产周转次数。

无人机与AI实现的赤潮监测——长崎县五岛市案例

对养殖业而言，最大的风险之一就是有害浮游生物异常增殖引发的“赤潮”。为应对这一可能导致鱼类大量死亡的威胁，长崎县正在开展利用AI与无人机的示范实验。

蓝鳍金枪鱼养殖与赤潮风险

长崎县五岛市是蓝鳍金枪鱼养殖的重要产地，但据称蓝鳍金枪鱼相较其他鱼种对赤潮的耐受性更低，因此能否及早发现直接关系到养殖经营的成败。一旦赤潮发生后才察觉受害，往往为时已晚。以往渔业从业者只能依靠定期采水，通过肉眼或显微镜确认浮游生物种类与密度，这是一项既耗时又费力的作业。长崎大学、System Five公司、KDDI与五岛市于2019年联合开展了针对这一课题的物联网系统示范实验。

将所需时间缩短至约15分钟——KDDI与长崎大学的示范实验

该示范实验将无人机在多个地点、多个深度采水，与利用深度学习进行的图像分析识别有害浮游生物相结合。据报告，通过物联网系统的应用，从海水采样、赤潮监测到通知渔业从业者，原本所需的时间被缩短至约15分钟。无人机还被用于从空中掌握赤潮扩散状况，监测结果通过云端第一时间与渔业从业者共享。

人工采水与显微镜检验需要花费移动与分析的时间，当赤潮扩散速度较快时，应对往往难以跟上。通过无人机实现多地点同步采水，并结合AI自动判别，能够在比人员乘船巡回更短的时间内覆盖更广的范围，这正是该系统的重要价值所在。

通过物联网系统，从海水采样、赤潮监测到通知渔业从业者所需的时间，被缩短至约15分钟

——KDDI株式会社新闻稿（2019年1月22日）

引发赤潮的浮游生物种类繁多，其中一些毒性较强，可在短时间内导致鱼类死亡。要判别浮游生物的种类，需要专业知识与显微镜观察，以往多委托研究机构或专业检测机构进行。深度学习图像分析作为一种能够在接近现场的地方迅速完成这类专业判别工作的技术，正受到广泛关注。

赤潮对策并非仅靠监测就能完成。即使能够及早监测，也必须配合将养殖笼移至安全海域、启动供氧装置等实际应对措施，才能真正防止损失。五岛市示范实验所追求的，并非单纯提升观测技术的精度，而是缩短从监测到通知的整个流程，为渔业从业者争取更多的应对时间。无论监测技术多么精准，若信息传达给渔业从业者需要耗费大量时间，其价值也会大打折扣，因此通知速度本身已成为评价该技术的重要指标。

企业的加入——藏寿司“KURA鱼类农场”的挑战

智慧水产业的推广不仅依靠政府与渔业从业者，也在餐饮与零售企业的加入下不断扩大。

生产有机鰤鱼与全人工养殖蓝鳍金枪鱼

回转寿司连锁企业藏寿司于2021年11月成立了水产专业新公司“KURA鱼类农场株式会社”。该公司以可持续渔业与稳定水产品供应为目标，通过利用AI与ICT技术的“智能养殖”，生产不依赖抗生素与激素的“有机鰤鱼”，并通过委托养殖出货蓝鳍金枪鱼。作为餐饮企业自身深入生产上游环节并进行技术投资的案例，这一举措备受关注。

通过智能投饵减少饲料损耗与劳动负担

KURA鱼类农场与养殖科技企业Umitron株式会社合作，引进了利用AI与IoT的智能投饵机“UMITRON CELL”。该系统通过传感器与摄像头捕捉鱼类的摄食行为与水中环境，以远程方式在最佳时机投喂最佳数量的饲料，旨在减少养殖作业中尤其耗费人力的投饵手工作业，同时抑制饲料损耗、加快生长速度。生产虽委托给外部生产者，但通过长期合同全量收购生产物，也同时建立了稳定生产者收入的机制。

在消费者于门店看到的一份寿司背后，是一套可以通过智能手机或电脑远程确认投饵状况的系统在运转。这也是下游企业的销售能力与上游养殖现场的技术需求相结合、有助于更容易规划投资回收的商业模式的一个案例。

餐饮企业深入养殖上游环节的背后，是水产品稳定采购这一经营课题。由于天然资源的波动与国际间的资源争夺，稳定采购到期望品质与数量的鱼类正变得越来越困难。通过拥有自主生产基础来抑制这一风险，同时利用智能技术同时抑制生产成本与环境负担，这样的举措正是餐饮产业与水产业关系发生变化的一个例证。

像藏寿司这样以连锁企业整体经营水产品的公司参与智能养殖时，生产现场获得的数据更容易被用于品质管理与产地信息的发布。近年来，消费者希望了解“鱼是如何养殖出来的”这一需求日益增长，而以投饵量与水质等数据为依据的饲养方式，也可以作为不依赖抗生素与激素的生产方式所带来附加价值的说明材料。

地方的努力——三重县“Umilog”实现海况可视化

地方政府与地方企业也在积极开发独有的系统，以守护当地重要的水产品。

物联网海洋观测系统“Umilog”

三重县自2019年前后起，由县水产研究所、鸟羽商船高等专门学校与当地企业共同开发了物联网海洋观测监测系统“Umilog”，并将其应用于伊势湾的紫菜养殖等领域。观测设备标准搭载水温、水位、图像、GPS四种传感器，可根据需要追加盐分、溶解氧、叶绿素传感器。数据每30分钟通过移动通信网络发送一次，可在电脑或智能手机上实时查看。

紫菜褪色预测与养殖决策的应用

紫菜养殖从业者利用Umilog的信息，判断养殖开始时间、在潮位异常时调整网具高度，并根据浮游植物增殖数据预测紫菜褪色。紫菜褪色会大幅影响商品价值，因此提前掌握褪色迹象是与经营直接相关的重要信息。摄像头图像也被用于确认紫菜生长状况及调查食害原因，引进约一年后，伊势湾与熊野滩地区已有40个地点部署了观测设备，普及速度不断加快。

像Umilog这样由县级研究机构、高等专门学校与当地企业携手开发的系统，最终发展成为面向全国销售的产品，是地方技术发展为通用产品的一个典型案例。从解决地方特有课题出发的开发，正在逐步演变为其他地区养殖从业者也能应用的形式。

值得关注的是，Umilog的开发是由县水产研究所、高等专门学校与当地企业形成产学官合作推进的。研究机构所拥有的科学知识、企业在设备开发与量产方面的经验，以及现场渔业从业者的实际需求相结合，使其得以超越单纯的实验，最终发展成为面向全国销售的产品。从解决地方课题出发的开发最终演变为通用产品的过程，对于其他地区推进智慧水产业也具有借鉴意义。

Umilog等系统能够以低成本开发与普及，很大程度上得益于利用了移动通信网络这一既有通信基础设施。无需新建专用通信卫星或特殊无线设备，就能通过与智能手机相同的网络收发数据，这是抑制引进成本的重要设计思路。对于地方中小规模的养殖从业者而言，降低初期投资门槛的设计，是决定技术普及速度的重要因素。

智慧水产业带来的可持续性

纵观各项具体技术，其所追求的目标不仅仅是“效率化”。其根本理念在于守护水产资源本身，并将其传承给下一代的可持续性视角。

省人化、省力化与确保接班人

日本水产厅将“通过省人化、省力化实现高收益渔业”与“降低渔业成本”列为智慧水产业的效果。随着投饵、监测等繁重劳动被系统取代，即便人手较少也能维持经营，新从业者的进入门槛有望随之降低。尤其是将以往需要长年积累经验才能掌握的渔场判断与水质管理，转化为即使是新人也能参考的数据，其效果尤为显著。

防止过度捕捞与误捕、提升资源管理水平

从陆地掌握定置网入网状况的系统，以及避免误捕的技术，有助于减少过度捕捞以及对非目标鱼种的捕获。若渔场预测AI能够以更低的燃料消耗实现高效作业，也将有助于降低环境负担。基于数据的资源管理，也是防止因过度捕捞导致资源枯竭、构建可长期持续渔业基础的一项努力。

这些举措不仅限于改善个别渔业从业者与养殖从业者的经营状况，也可能成为掌握整个海域资源动态的数据基础。未来，多个渔业协会与地方政府共享数据，用于更广域的资源管理与渔场调整，这样的可能性也已被提出。

从可持续性的角度来看，捕捞与生产本身的数据，对未来的资源评估也具有重要价值。若能以电子形式持续积累“何时、何地、获得或养殖了多少水产品”的记录，研究人员与行政部门就能更准确地掌握资源的增减情况，并将其应用于可捕捞量等制度设计。个别经营效率化所使用的技术，最终却对整个海域的资源管理有所贡献，这正是智慧水产业的重要意义之一。

从提升资源管理水平的角度来看，防止误捕的技术也发挥着不可忽视的作用。“误捕”是指非目标鱼种被捕入网具，这不仅会无谓地减少非目标资源，也会因分拣与放归等作业给渔业从业者带来额外负担。若能从陆地实时掌握入网状况，就能应用于避开误捕高发时段或地点等作业决策。

引进过程中的课题与未来

尽管智慧水产业前景广阔，但在现场普及过程中仍存在若干障碍。

引进成本与数据利用规则的完善

引进传感器与系统需要初期投资，对小规模经营主体而言负担较重。正如日本水产厅于2023年8月更新《水产领域数据利用指南》所体现的那样，谁可以如何使用所收集的数据，这一规则的完善也需要与技术引进同步推进。相较于各渔业从业者、养殖从业者各自单独引进设备，由地方政府或渔业协会作为示范事业提供支持、并将成果在整个地区共享的三重县与京都府等案例，是分散成本负担的一种有效方案。

人才培养与缩小数字鸿沟

对于高龄渔业从业者而言，操作新设备与应用程序有时并不容易。日本水产厅通过“开拓水产业未来的智慧水产业研究会”（2019年5月〜2020年3月）等机制，持续探讨如何将技术与现场相连接，但完善能够缩小地区与世代间数字鸿沟的培训与支持体系，是今后普及的关键所在。各案例中也都在努力减轻使用者的负担，例如设计易于通过智能手机确认的简洁界面，或建立无需时刻查看数据、仅在出现异常时才发送提醒的机制。

• 传感器与通信设备的引进及维护成本
• 所收集数据的权利关系与利用规则的完善
• 面向高龄渔业从业者的操作培训与支持体系
• 应对因地区与渔业类型不同而各异的技术需求

展望未来，AI图像识别与传感器技术本身已在农业、工业等其他产业中广泛应用，成本呈逐年下降趋势。若能克服“设备在海水这种严酷环境中的耐久性”以及“在信号难以到达的近海确保通信手段”等水产领域特有的课题，将有更多渔业从业者与养殖从业者能够无负担地引进这些技术。

除了技术层面的课题外，建立能够正确评价成果的机制，也是今后需要探讨的问题。像爱南町与五岛市的示范实验那样，以具体数字展示增肉效果与时间缩短成果的案例，对于推动技术向其他地区推广具有很强的说服力。另一方面，由于海域与鱼种不同，效果的呈现方式也各不相同，因此结合各地区实际条件开展示范，并高透明度地共享其结果，这样的持续积累，将不断提升智慧水产业整体的可信度。