此篇文獻來自於台灣，是近年來關於水產養殖領域相當詳細的review，講述AIoT技術整合：物聯網設備的發展，感測器、攝影機和監控系統，徹底改變從遠端和動態水產養殖環境中的數據收集。藉由上述設備提供的水質、魚類行為、餵食模式和環境條件等關鍵參數的連續數據流，透過AI分析這些資料，養殖業者可以獲得實用的建議，進行即時決策和自動化操作

這篇文獻系統性地將2012年至今的多篇文獻分類為十個應用領域：

智慧餵食系統：利用ResNet和梯度提升機等AI模型分析魚類行為和餵食模式，自動化餵食排程，改善飼料轉換率和成長率同時最小化浪費。
水質管理：利用物聯網感測器和LSTM、卡爾曼濾波等預測模型監控溶氧、pH值和溫度等關鍵參數，允許即時干預確保最佳水質條件。
疾病檢測與分類：YOLO、U-Net和生物感測器等AI模型從視覺和生理數據中識別疾病早期指標，達到高檢測準確度。
魚類生物量估算
魚類行為檢測
水產養殖生物計數
物種分割、檢測與分類
育種與成長估算
魚類追蹤與個體識別
水產養殖自動化與機器人技術

技術創新亮點
深度學習架構：CNN、RNN、LSTM等用於影像分析和時序預測
電腦視覺：用於魚類識別、行為分析和疾病檢測
物聯網感測器：水質監測、光學感測器、運動感測器
強化學習：用於餵食策略最佳化和行為建模

未來發展方向：混合AI模型、區塊鏈安全數據管理、邊緣運算等技術的整合。

另外可參考2025智慧農漁週智慧水產養殖會議講者西灣智慧科技有限公司黃英哲博士的主題：Knowing Better, Acting Smarter: AI-enabled Surveillance Technologies for Aquaculture Farming ，以及農業/漁業創新論壇來自儀興科技股份有限公司的講者所講述的主題：智慧IoT/AIoT農漁畜牧設備監控應用。若有興趣的業者設備方面可考慮：國立屏東科技大學研究發展處智慧型水車監控物聯網 Smart Water Wheel Monitoring Internet of Things。

參考文獻:
Huang, Y. P., & Khabusi, S. P. (2025). Artificial intelligence of things (AIoT) advances in aquaculture: A review. Processes, 13(1), 73. https://doi.org/10.3390/pr13010073