Аквакультура обеспечивает почти половину потребляемой человечеством рыбы и является одним из наиболее динамично развивающихся секторов продовольственной отрасли: ожидается, что к 2026 году объём мирового рынка вырастет с ≈$204 млрд до $262 млрд [1]. В то же время традиционные методы ведения ферм испытывают серьёзные ограничения: контроль качества воды, управление кормлением и профилактика болезней часто выполняются вручную или с помощью стационарных датчиков, что даёт «слепые зоны» в данных. Аквакультура сталкивается с затруднениями в поддержании параметров среды: качество воды, операции кормления и контроль болезней нельзя эффективно осуществлять старыми методами [2]. Поскольку условия могут сильно отличаться на разных глубинах и в разных частях фермы, фиксированные сенсоры и периодические ручные измерения дают усреднённую или искаженную картину [3]. Именно поэтому в отрасли всё шире применяются беспилотные системы и интеллектуальные сенсоры, позволяющие вести круглосуточный мониторинг в реальном времени и своевременно реагировать на отклонения.

Технологии дронов и сенсоров

Беспилотные летательные аппараты (дроны) применяются для надводного мониторинга ферм. С высоты они комплектуются камерами и датчиками, способными измерять температуру, pH, насыщенность кислородом и мутность воды [1]. Такие аппараты ведут аэрофотосъёмку участков ферм и контролируют внешние проявления работы оборудования и поведения стай, оперативно выявляя изменения среды. Кроме того, дроны могут оснащаться устройствами для прицельной подачи корма: при необходимости они дозированно доставляют корм в садки с рыбой, оптимизируя расход корма [1]. Специальные тепловизионные камеры на дронах распознают изменения температуры воды, которые могут сигнализировать о начале заболевания у рыб, а LiDAR-сканеры позволяют строить трёхмерные карты дна и быстрее обнаруживать участки с высокой биомассой [1].

Таблица с преимуществами и недостатками проводных и беспроводных ROV

Характеристика	Проводные ROV	Беспроводные ROV	Сфера применения
Связь с оператором	Надёжная, стабильная через кабель	Ограниченная дальность, возможны помехи	Проводные: глубоководные инспекции, промышленность; беспроводные: мелководье, аквакультура, исследования
Передача данных	Высокая скорость, большие объёмы видео и сенсорных данных	Ограниченная пропускная способность, особенно в воде	Проводные: подводные объекты, инфраструктура; беспроводные: мониторинг фермы, видеонаблюдение за рыбой
Энергоснабжение	Питание через кабель, не зависит от батареи	Ограничено аккумулятором, время работы меньше	Проводные: долгие миссии на глубине; беспроводные: кратковременные инспекции, оперативные проверки
Манёвренность	Кабель может ограничивать движение, запутывания возможны	Свободное движение, высокая мобильность	Проводные: строгие маршруты, ограниченные пространства; беспроводные: открытые фермы, сложные структуры садков
Простота эксплуатации	Требует управления кабелем, возможны сложности с развертыванием	Простота развёртывания, быстрое использование	Проводные: стационарные и повторяющиеся задачи; беспроводные: быстрая проверка состояния водоемов
Дальность работы	Ограничена длиной кабеля	Ограничена радиусом действия беспроводной системы (акустика, Wi-Fi, Li-Fi)	Проводные: глубокие точки, удалённые объекты; беспроводные: ближние фермы, мелководье
Стоимость	Кабель и связанные системы могут быть дорогими	Беспроводные технологии требуют более сложной электроники, часто дороже ROV с кабелем	Проводные: промышленные и научные миссии; беспроводные: аквакультура, быстрые проверки
Надёжность	Очень высокая, мало подвержена помехам	Могут быть помехи, потеря сигнала или качества видео на глубине	Проводные: критические инспекции; беспроводные: оперативный мониторинг
Применение	Инспекция глубоких объектов, промышленное использование	Поверхностные и мелководные объекты, лёгкие и быстрые обследования	Проводные: морская энергетика, гидроэнергетика, крупные фермы; беспроводные: мелкие и средние фермы, экологический мониторинг

Подводные беспилотники (ROV/AUV) перемещаются внутри сеток и резервуаров, ведя наблюдение под водой. Например, норвежский дрон SeaSmart (SeaSmart AS) — беспроводной робот — сканирует весь объём лососевых садков с помощью комплексного набора сенсоров (кислород, солёность, температура, освещённость) и встроенного эхолота для слежения за положением рыб [3]. Устройство непрерывно формирует подробный профиль условий по всей глубине сетки, автоматически ведёт измерения каждый час и может работать до шести месяцев на одном заряде [3]. Это позволяет фермерам точнее рассчитывать кормовые программы, снижая потери корма и улучшая рост рыбы, а также отслеживать стрессовые состояния рыб и предупреждать вспышки болезней [3]. Похожие решения предлагают и стартапы – американская компания Aquaai разработала «робота-рыбу» Nammu, который плавает среди настоящих рыб и передаёт видеопоток с установленными на нём камерами и сенсорами [4]. Норвежско-американский стартап Aquabyte использует подвешенные камеры и алгоритмы машинного обучения, чтобы измерять размеры рыбы и подсчитывать паразитов (например, количество морских вшей Lepeophtheirus salmonis) [4]. Все эти системы по сути являются мобильными платформами, позволяющими «навешивать» необходимые датчики: по словам руководства Aquaai, их продукт — это «подводный дрон, который несёт любые датчики, и остальные сенсоры являются «plug-and-play»» [4].

Кроме мобильных устройств, применяются и стационарные датчики в комплексе с беспроводными сетями IoT. Подводные датчики на буйках и платформах отслеживают ключевые параметры (рН, кислород, азот, аммиак и др.) и передают данные по каналам NB-IoT/LoRaWAN или спутнику. Специализированные решения, предлагаемые такими компаниями как Kongsberg Maritime (Норвегия) и Campbell Scientific (США), охватывают автоматизацию кормления и водоподготовки [5, 2]. В целом, технологии IoT и искусственного интеллекта в аквакультуре позволяют устраивать автоматическую кормёжку по расписанию, удалённо контролировать качество воды и даже автоматически идентифицировать вид и поведение рыб [2]. Сенсорные сети также применяются для контроля сетей и оборудования — существуют подводные роботы с манипуляторами, способные очищать сетки от обрастаний и даже чинить мелкие повреждения [2].

Международный опыт применения

Норвегия. Крупнейший производитель атлантического лосося активно внедряет датчики и дроны. Стартап SeaSmart (Берген) создал подводный дрон, который автономно собирает данные по всему объёму сетки (кислород, солёность, температуру, свет и т.д.) [3]. Исследования показывают, что такая система обеспечивает детальную картину среды обитания рыб — гораздо более точную, чем традиционные фиксированные сенсоры. Рыбопромышленные компании (например, Mowi, SalMar) тестируют бортовые датчики для измерения поведения рыбы в реальном времени. Американская Aquaai уже поставила свои «робо-рыбы» на две норвежские фермы: они плывут рядом с лососем и передают подводные видеокадры, что позволяет фермеру отслеживать здоровье популяции без погружения дайверов [4]. Другой стартап Aquabyte совместно с исследователями NSLA разрабатывает систему автоматического подсчёта морских вшей Lepeophtheirus salmonis по видеопотоку и оценки средней массы рыбы с точностью компьютерного зрения [4]. Кроме того, норвежская Aker QRILL (дочерняя Aker BioMarine) применяет надводные беспилотные суда для поиска криля: USV-дрон длиной 6 м с продвинутыми датчиками и спутниковой навигацией определяет локации скоплений криля, после чего к месту направляются промысловые катера [6]. Такой подход сокращает время поиска и выбросы топлива. В совокупности культура инноваций в Норвегии позволяет компаниям совместно создавать «умные» решения — например, GATH (Глобальный теххаб аквакультуры) объединяет стартапы и крупных игроков для обмена идеями.

Китай. Китайские учёные добились больших успехов в создании бионических «роборабов»: Национальный центр цифрового рыболовства CAU разработал «роборак» и «рободельфина» для мониторинга морских ферм [7]. Первая модель дрона обследовала садок диаметром 400 метров всего 4 часа (против 3–4 суток традиционного обследования) [7]. Оборудованные высокоточным набором сенсоров, эти аппараты в реальном времени отслеживают качество воды и поведение рыб [7]. Интегрированные AI-чипы позволяют роботу самостоятельно адаптироваться и направлять группы рыб к кормушкам: встроенный контейнер с кормом вместе с анализом показателей (размер рыб, активность стаи) обеспечивает чрезвычайно точную дозировку корма [7]. Китайские исследователи отмечают, что благодаря «роборакам» и интеллектуальным системам мониторинга затраты труда сократились наполовину — фермеры могут обрабатывать площади в масштабах миллионов квадратных метров с меньшими трудозатратами [7]. Также развиваются проекты ИИ-платформ для сбора эколого-биометрических данных: например, китайский кластер Fanli Big Model уже управляет 6,3 млн м² прудовых ферм и 5,5 млрд м² морских пен, прогнозируя параметры и снижая затраты рабочей силы [7].

Канада. Канадское правительство стимулирует разработку умных решений: в 2025 году Ocean Supercluster инвестировал $5,9 млн в проект Grieg Seafood Newfoundland совместно с Innovasea (США) для улучшения здоровья лосося. В его рамках планируется развернуть ИИ-камеры и сенсоры H₂S для постоянного мониторинга среды в садках[4]. Такая система выявит повышение концентрации сероводорода (признак стрессового состояния рыб) задолго до видимых симптомов. Ожидается, что новый метод позволит снижать потери посадка и повышать выход продукции [4], укрепляя позиции Канады в области устойчивых технологий аквакультуры. Аналогичные инициативы предпринимались и ранее, когда канадцы добились успехов в дистанционном наблюдении осетровых и тресковых ферм.

Чили. Второй по величине экспортный товар страны — чилийский лосось — также «подхватил» технологическую волну. В марте 2024 Sernapesca (Нацслужба рыболовства и аквакультуры Чили) получила две подводные роботизированные установки (ROV) от компании AquaRov в рамках госпрограммы CORFO [8]. Оборудование рассчитано на работу при течении свыше 3 узлов и погружение до 400 м [8], что позволяет инспектировать фермы в суровых южных фьордах более автономно. Сочетание ROV и обучения персонала дало большой эффект: вице-директор Sernapesca отмечает, что новые системы позволяют «прочёсывать» морские площадки гораздо быстрее, чем при традиционных инспекциях — общее время обхода сокращается с нескольких дней до нескольких часов [8]. Кроме того, чилийские компании (AquaChile, Australis и др., члены Salmon Council) вкладывают средства в AI-анализ: они используют сенсорные сети и системы компьютерного зрения для оптимизации процессов кормления и оценки популяции, а регуляторные требования постепенно ужесточаются (с 2023 г. в Чили действует обязанность онлайн-мониторинга экологических показателей на морских фермах).

ROV расшифровывается как Remotely Operated Vehicle — в переводе на русский это дистанционно управляемый аппарат или дистанционно управляемый подводный аппарат (ДУА/ДУПА).

Эффективность и результаты

Данные практических испытаний и отчётов подтверждают пользу этих технологий. Руководитель норвежской фермы Kvarøy прогнозирует, что «робо-рыбы» Aquaai принесут не менее 5% экономии корма — это эквивалентно сотням тысяч долларов на каждую дополнительную процентную долю повышения кормовой эффективности [4]. Похожий эффект отмечается и в других проектах: канадский пилотный проект ожидает снижения смертности поголовья за счёт заболеваний благодаря постоянному мониторингу в реальном времени [4]. Китайские исследования прямо указывают на 50%-ное сокращение трудозатрат за счёт массового внедрения автономных мониторинговых систем [7]. С другой стороны, рынок сенсорных технологий тоже демонстрирует рост: по оценке отраслевого отчёта, мировой объём рынка мониторинга аквакультуры составлял ~$37,3 млрд в 2023 г. и, при ежегодном приросте 5,7%, вырастет до ~$54,9 млрд к 2030 г. [5]. В Азии (преимущественно в Китае) наблюдается особенно высокий спрос на такие решения [5]. Крупные игроки (Kongsberg Maritime, Pentair, Xylem и др.) уже предлагают комплексные системы контроля воды и управления кормлением, что указывает на быстрое коммерческое признание технологий [5].

Преимущества и вызовы

Современные беспилотники и датчики дают аквакультуре важные преимущества:

• Точная кормёжка и экономия ресурсов. Автоматизированные системы доставки корма и алгоритмы машинного зрения повышают точность кормления, сокращая избыточные сбросы корма и улучшая рост рыбы [3, 4].
• Раннее выявление проблем. Непрерывный мониторинг позволяет обнаруживать неблагоприятные изменения (упадок кислорода, вспышки болезней) на ранних стадиях и вовремя принимать меры. Датчики микроклиматических изменений (например, H₂S или температурных отклонений) работают как система раннего предупреждения о стрессе рыб [7, 4].
• Сокращение ручного труда. Операции, которые раньше требовали участия дайверов или персонала с лодок, теперь выполняют дроны. Это повышает безопасность персонала и позволяет обслуживать отдалённые фермы эффективнее: машины работают круглосуточно и без отдыха [2, 2].
• Улучшение качества продукта. Оперативная аналитика данных («большие данные»), накапливаемых с сенсоров, обеспечивает оптимизацию условий выращивания, что улучшает здоровье и качество рыбы. Автоматизация снижает риски человеческой ошибки, повышая согласованность технологических процессов и экологическую безаварийность [2].

Тем не менее существуют и серьёзные вызовы внедрения:

• Высокие затраты и инфраструктура. Современные дроны и интеллектуальные системы стоят дорого, и они экономически нецелесообразны для мелких хозяйств [5]. Необходимо развивать поддержку от государства и кооперацию с исследовательскими центрами, чтобы снизить барьер входа.
• Технические ограничения среды. Морская среда агрессивна: датчики подвержены коррозии и биообрастанию, а высокочастотные сигналы не всегда проходят на большие глубины [2]. Надёжное питание устройств (батареи, солнечные панели) и связь через ветровую волну или спутник пока ограничены. К тому же не везде есть стабильная сеть связи (4G/5G), что затрудняет передачу больших объёмов данных с удалённых ферм.
• Человеческий фактор. Для работы с новыми системами требуется обученный персонал. На рынке недостаёт специалистов, способных настраивать IoT-сети, анализировать данные и быстро реагировать на полученную информацию. Это может стать узким местом при масштабировании решений [5].
• Стандартизация данных. На сегодняшний день нет единого стандарта для обмена данными между оборудованием разных производителей. Проблема интеграции данных из разных сенсоров и корректного их анализа остаётся актуальной [2]. Без единой платформы централизованного управления всю полученную информацию трудно использовать максимально эффективно.

Перспективы и инновации

Дальнейшее развитие аквакультуры всё плотнее связано с IT- и AI-технологиями. Уже сегодня активно разрабатываются системы машинного прогнозирования: алгоритмы ИИ анализируют накопленные данные (параметры воды, активность рыб) и предсказывают эпидемии или оптимальное время сбора урожая. Обмен данными по «облаку» и применение больших данных позволят создавать цифровые двойники ферм и проводить моделирование результатов ещё до развертывания оборудования.

В технологической перспективе упоминают координированные дроновые рои (swarm robotics): группы автономных дронов, которые совместно обследуют сетки и поля, делясь информацией между собой [1]. Такой подход минимизирует «слепые зоны» и сокращает время патрулирования. Появляются всё более продвинутые подводные роботы с манипуляторами для ремонта и обслуживания ферм: например, греческие учёные описали гибридный ROV с интегрированным манипулятором для очистки сетей и сбора мёртвых особей [2].

Новые технологические тренды в аквакультуре включают и биоинтеграцию: датчики можно крепить на саму рыбу или в установках для непрерывной верификации её состояния. Развиваются смарт-маячки с LoRa/NB-IoT, позволяющие удалённо управлять кормлением и вентиляцией. «Цифровая ферма» будущего будет агрегировать данные со спутников, дронов и погруженных сенсоров, обеспечивая сквозной мониторинг всего жизненного цикла рыбы. Кроме того, технологии блокчейн могут быть внедрены для прозрачной прослеживаемости продукции.

В целом, сочетание IoT, Big Data, AI и робототехники двигает аквакультуру в сторону «прецизионного рыбоводства». Оно предполагает не только сбор данных, но и автоматическое принятие решений: автономные системы смогут сами подстраивать состав корма, регулировать поток воды и предотвращать заболевания. Уже сегодня учёные отмечают, что цифровая экономика рыболовства значительно повышает эффективность и устойчивость отрасли [2, 2]. При этом остаются вопросы инвестиций и регламентации: для полного раскрытия потенциала требуется дальнейшее НИОКР, создание отраслевых стандартов и адаптация законодательства к новым технологиям. Но тренд очевиден: аквакультура будущего будет «умной», и дроны с сенсорами станут её неотъемлемой частью.

Источники:

1. hongfeidrone.com
2. researchgate.net
3. businessnorway.com
4. globalseafood.org
5. precisionbusinessinsights.com
6. fishfocus.co.uk
7. english.news.cn
8. weareaquaculture.com