AI驱动的远洋渔船智能渔情预测系统在舟山落地,实现捕捞效率提升41%与资源可持续双目标

在全球渔业资源持续承压、传统经验式作业模式难以为继的背景下,人工智能正加速向深远海作业场景渗透。2026年5月上旬,由浙江大学海洋感知与智能系统实验室联合舟山国际水产城、中船集团第七〇二研究所共同研发的‘海瞳-渔策’AI渔情预测系统,在浙北渔场32艘远洋围网渔船完成规模化部署并投入常态化运行。该系统并非简单叠加卫星遥感数据,而是首次将多源异构海洋物理场(温盐深剖面、叶绿素a浓度、海表高度异常)、渔船AIS轨迹流、历史捕捞日志及浮标实时微气象数据,统一接入轻量化边缘推理节点(基于昇腾310P芯片定制),在船端完成毫秒级特征对齐与时空图神经网络(ST-GNN)推演,生成未来72小时、分辨率高达1.2公里×1.2公里的高置信度渔汛热力图。

不同于此前依赖云端回传与中心化建模的同类方案,‘海瞳-渔策’采用“云边协同+自进化反馈”架构:船载终端每完成一次有效捕捞验证(即GPS定位点与热力图峰值区重合且单网产量≥阈值),自动压缩上传局部环境特征包至区域AI训练中心;中心每周聚合全 fleet 数据,通过联邦学习更新全局模型参数,并以差分增量方式下发至各船——整个闭环无需中断作业,亦不上传原始影像或敏感航迹。首批试点数据显示,渔船平均单航次有效作业时间占比从58%升至82%,单位燃油消耗下降23%,而关键经济鱼种(如鲐鲹、竹荚鱼)的捕获命中率提升41%,误捕幼鱼比例下降至0.7%(国标限值为3%)。

该系统的深层价值在于重构了渔业治理的技术逻辑。过去十年,东海伏季休渔期监管主要依赖岸基雷达与人工抽查,存在响应滞后、覆盖盲区大等痛点;而‘海瞳-渔策’已与浙江省海洋执法指挥平台打通数据接口,当系统识别某渔船持续偏离热力图高产区、且转向低生物量冷区时,自动触发合规性评估——若连续4小时无有效捕捞动作,平台即向该船推送电子提醒,并同步标记至执法终端。这种“技术前置干预”机制,使违规延捕、越界作业等行为发现时效从平均2.7天缩短至19分钟。更值得关注的是,项目组同步构建了全国首个开源渔业知识图谱FishKG v1.0,涵盖217种东海常见物种的生态位参数、繁殖周期、摄食偏好及气候敏感性标签,目前已接入农业农村部渔业资源监测网,成为国家级资源评估模型的重要校准源。

业内专家指出,远洋渔业AI化长期受限于边缘算力不足、海洋数据稀疏、跨域标注成本高等瓶颈,‘海瞳-渔策’的突破在于将大模型能力下沉至严苛工况(-20°C至60°C宽温、高湿盐雾、强电磁干扰),并验证了小样本时空推理在动态海洋系统中的鲁棒性。下一步,团队计划接入Argo浮标全球观测网与Copernicus海洋环境监测服务数据,将预测半径拓展至西太平洋暖池核心区;同时探索AI渔情信号与碳汇渔业的耦合机制——初步模拟表明,精准锚定高生产力渔区可减少无效巡航,单船年均减碳潜力达18.6吨CO2当量。当AI不再仅服务于‘多捕鱼’,而成为平衡生态承载力与产业生命力的数字罗盘,海洋经济的智能化叙事才真正进入深水区。