在水產養殖業中，關於水下機器人和其他移動平台的應用越來越普遍，特別是因應當前智慧農業趨勢及養殖場域的增加。雖然這些工具在養殖網的清潔和檢查等方面已被廣泛應用，但操作時對魚類的干擾影響及後果，人們卻了解甚少。為了探討這個問題，來自挪威的研究團隊進行了一項研究，通過將商業箱網養殖的大西洋鮭魚以不同設計的入侵物進行干擾，再使用機載 360 度聲納監測魚類的分佈情況。

 

     研究團隊針對水下機器人及平台的重要靜態特性，包括尺寸、形狀和顏色的變化，設計出六種不同的物體。首先，透過聲納數據聚合成包含不同時間段的「魚類累積出現 (the Cumulative Fish Presence)」圖像，以提供堅實的基礎進行後續分析。接著使用以UNet++架構訓練的深度學習方法，評估魚類分佈的內週長與物體之間的平均距離，自動分割魚類分佈模式。

 

     研究結果顯示，魚類與較大物體保持較遠的距離，但物體的形狀對此沒有明顯影響。在顏色方面，魚類與黃色物體的距離比與白色物體的距離更大，距離增加50%。此外，研究團隊也發現魚的重量（年齡）與到物體的距離呈正線性關係，平均迴避距離大約為3.8 倍體長。這些結果為養殖場中的水下機器人和移動平台與魚類之間的動態關係提供了新的見解，有助於更好地理解機器人對魚類行為的影響，為開發水下工具和技術提供了寶貴的見解。

 

     未來，除了可以透過聲納觀測到的行為指標--迴避距離以外，更多聲納無法觀測到的行為，如游動方向的變化、魚與魚之間的距離等，都將被納入研究範圍。研究團隊希望以魚類行為的量化參數模擬養殖魚的反應，減少養殖過程中，因機器操作而對魚類造成潛在負面影響，甚至適度添加可能對魚類產生正面的影響因子，來為改善魚類福祉奠定良好的基礎。

資料來源：Aquaculture