هوش مصنوعی و اینترنت اشیا برای پایش کیفیت آب و سلامت حیوانات آبزی در آبزی‌پروری: مروری بر کاربردها و چالش‌ها

هوش مصنوعی و اینترنت اشیا برای پایش کیفیت آب و سلامت حیوانات آبزی در آبزی‌پروری: مروری بر کاربردها و چالش‌ها

محمد زاهدی1

1) محمد زاهدی، دانشجوی دکتری تخصصی بهداشت و بیماری‌های آبزیان، دانشکده دامپزشکی، دانشگاه شهید چمران اهواز، اهواز، ایران ایمیل

کد IOI مقاله : AAHD-ACZFDK
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    سلامت حیوانات آبزی به‌طور فزاینده‌ای توسط کیفیت نامناسب آب، تشدید تولیدات آبزی‌پروری و تغییرات اقلیمی در اکوسیستم‌های ساحلی تهدید می‌شود؛ در حالی که روش‌های سنتی پایش مبتنی بر نمونه‌برداری دستی و تشخیص آزمایشگاهی، فرآیندی زمان‌بر، دشوار و برای محیط‌های ساحلی دورافتاده نامناسب هستند. این مرور روایی، ادبیات منتشرشده بین سال‌های ۲۰۲۰ تا ۲۰۲۶ را در زمینه کاربرد هوش مصنوعی (AI) و اینترنت اشیا (IoT) برای پایش کیفیت آب و مدیریت سلامت حیوانات آبزی، با تأکید بر اکوسیستم‌های ساحلی و آبزی‌پروری، مرور می‌کند. جستجو در پایگاه‌های داده Scopus، Web of Science، IEEE Xplore، PubMed و Google Scholar با استفاده از ترکیبی از کلیدواژه‌های مرتبط با هوش مصنوعی، اینترنت اشیا، کیفیت آب، یادگیری ماشین، سلامت حیوانات آبزی و اکوسیستم‌های ساحلی انجام شد. تحلیل مضمون مطالعات بررسی‌شده، هفت حوزه را شناسایی کرد: محدودیت‌های پایش سنتی؛ سنجش و دورسنجی (Telemetry) مبتنی بر IoT؛ پیش‌بینی کیفیت آب با استفاده از AI و یادگیری ماشین؛ تشخیص بیماری، تحلیل رفتاری و هشدار زودهنگام مبتنی بر AI؛ کاربردها در آبزی‌پروری ساحلی؛ چالش‌های موجود؛ و جهت‌گیری‌های آینده. یافته‌ها نشان می‌دهند که شبکه‌های حسگر IoT با پایش پارامترهایی نظیر pH، دما، اکسیژن محلول، آمونیاک، شوری و کدورت، امکان جمع‌آوری داده‌های پیوسته و بلادرنگ را فراهم می‌کنند؛ همزمان، مدل‌های یادگیری ماشین و یادگیری عمیق — به‌ویژه شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)، شبکه‌های عصبی پیچشی (CNN) و معماری‌های ترکیبی — عملکرد پیش‌بینی‌کننده امیدوارکننده‌ای در پیش‌بینی افت کیفیت آب و تشخیص خودکار نشانه‌های بالینی یا فنوتیپ‌های مرتبط با بیماری نشان داده‌اند. با این حال، چالش‌هایی همچون کیفیت داده، رسوب‌گذاری زیستی (Biofouling) حسگرها، تعمیم‌پذیری مدل‌ها، هزینه‌های زیرساختی و خلأهای مقرراتی همچنان پابرجاست. این مطالعه پیشنهاد می‌کند که هوش مصنوعی و اینترنت اشیا باید به‌عنوان ابزارهای مکمل پشتیبان تصمیم‌گیری برای دامپزشکان و مدیران مزارع در نظر گرفته شوند، نه جایگزین آن‌ها. ادغام این فناوری‌ها از آبزی‌پروری پایدار، پایداری اکوسیستم‌های ساحلی، بهداشت عمومی دامپزشکی و پیشرفت در جهت اهداف توسعه پایدار حمایت می‌کند.

کلمات کلیدی : هوش مصنوعی اینترنت اشیا کیفیت آب سلامت حیوانات آبزی آبزی‌پروری اکوسیستم‌های ساحلی