人工智能技术在水产养殖中的应用主要在生命信息获取、生长调控与决策、疾病预测与诊断、环境感知与调控、水下机器人等领域。水产养殖环境特有的生产方式、气候条件、地理位置、局域环境、生物组成等因素的不确定性制约着人工智能技术在水产养殖中的大范围应用。目前基于人工智能技术。在水产养殖中的各项应用大多处于试验阶段，不能有效地转成产业。尽管如此，人工智能技术仍然在数据处理、信息提取、实时监测、决策管理等方面为水水产养殖提供了相对高效的技术方法。
1、生命信息获取
生命信息获取，指的是物理诊断、基因组学、组织存储、实验诊断、代谢组学等。目前的手段与方式需要进一步改善，才能获取完善、全面的信息数据。例如用信息融合的方法将计算机视觉与传感器、声学等技术结合，对水产养殖中的个体生物和环境从多角度、多手段进行信息获取，弥补单一技术获取信息存在监测“死角”的缺陷，实现更加全面和智能化的水产养殖个体信息获取。
2、生长调控与决策
遥感卫星图像和地理信息系统是预测模型的有效方法，可估量海洋或淡水中的绿素与鱼类生长之间的关系，提升水域环境与鱼类生产所需。
在未来的发展中，利用遥感图像、人工智能技术、地理信息系统等技术，进一步确定水产养殖中生物生长的详细情况，从而开展基于实际生产的调控决策，并逐步解决不同养殖环境下引起的客观问题。
3、鱼类疾病预测和诊断
对于鱼类疾病的诊断问题，仍然存在极大的难度。目前可以实现的是对已发生疾病种类的判断，换言之就是辅助疾病的诊断。但在实际养殖生产过程中，疾病还是要从预测入手，方能提早发现病情。
以深度学习为基础，从时间序列、空间特征两方面，对鱼病预测方法展开研究，是未来技术创新的重要方向。
4、环境感知
由于养殖水域的水质环境影响因素较多且复杂，为了精准监测监测水文信息，所需使用的感知传感器种类较多，且存在变量不易控制、通用性差等问题。
人工智能技术在此方向上有很大的发展空间，硬件、软件方面都有发展空间。硬件方面可集成水质传感器与摄像机，开发集水质参数和水下图像一体的环境感知系统。软件方面则是在算法上，对深度学习、决策树等多因子参数预测和有效控制方法展开研究应用。
5、水下机器人
关于水下机器人的应用，目前国内外可实际应用操作的水下机器人，集中在深远海网箱养殖环境下，可用于池塘养殖、工厂循环水养殖中作业的小型机器人则较少。
未来研发方向应放在养殖机器人，及快速准确识别算法，在稳定作业的前提下，提高目标识别速度和准确性，提升控制系统的自适应性和容错能力。
针对目前水产养殖业的发展现状，建议加快推进渔业数字化转型升级，在现代农业示范区开展水产养殖数字渔业示范，对水产养殖区域开展全天候、全覆盖、全状态数字化管理平台建设。同时开发出具有实用价值的数据库和信息管理系统，凸显渔业信息技术创新对产业发展的推动作用。
大力加强陆基工厂、网箱、工程化池塘养殖的标准化建设，重点完善移动互联网、云计算、大数据信息系统安全保障体系架构，对关键数据安全进行防护和测评。推进渔业数字化资源的分类和分级管理，实现全国统一、互联互通的渔业精细管理。
