水产养殖最贵的一课，通常发生在凌晨：溶氧掉到每升两毫克，鱼开始浮头，等天亮再处置，损失基本已经定了。这个行业的难处集中在「看不见」——鱼在水下，水质在变，饲料吃没吃完也没人知道。AI 进渔场能补的正是这段盲区，但它补的是观测和记录，判断仍然要人来做。
水下的问题，晚发现一步就是全塘
养殖的风险不是均匀分布的。缺氧、氨氮升高、病害爆发，这三类事情都有一个共同点：前期几乎没有外观征兆，等到鱼不吃食、开始浮头，处置窗口已经很窄。所以监测的价值不在「知道现在怎么样」，而在「比人早几个小时知道」。
这几个小时的差距，来自采样频率。人一天巡塘三次，传感器一分钟一次，前者只能看到三个点，后者能看到一条曲线。曲线能暴露趋势，点不能。这也是为什么水质数据接进系统之后，第一件该做的事是看趋势而不是看数值。
四个环节，能测的和要判的分得很清
| 环节 | 能监测 | 判断仍靠经验 |
|---|---|---|
| 投喂 | 投喂时间、次数、饲料类型、摄食时长、水面抢食的激烈程度 | 这一塘今天该减几成、鱼不吃是应激还是水质还是料的问题 |
| 水质 | 水温、溶氧、酸碱度、氨氮等指标的连续曲线与越限报警 | 几个指标同时异常时先动哪一个，换水还是增氧还是停料 |
| 鱼群状态 | 水下画面里的活动量、聚集位置、异常游姿的出现频次 | 这个游姿是寄生虫、是应激，还是正常摄食反应 |
| 病害 | 把异常记录按时间排成线索，提示「这一塘最近不对劲」 | 确诊要镜检、要送检，处置方案要看品种、规格和天气 |
| 销售溯源 | 把投苗、换水、投喂、投入品记录整理成可导出的档案 | 哪些信息对采购方真正有说服力，怎么配合抽检 |
五行里前三行是「把看不见的变成看得见的」，后两行是「把散落的变成能交出去的」。前者靠硬件和采集频率，后者靠字段设计。很多场子把预算全压在探头上，档案还是手写本，卖鱼的时候拿不出东西。
投喂记录真正要记的是差值
只记「今天投了多少斤」用处不大，因为投多投少要看吃进去多少。有用的记录是投喂量与实际摄食量的差：撒下去多少、多久吃完、剩了多少。这个差值连着两周往上走，通常意味着水质在变或者鱼在应激，而不是饲料不好。
摄食时长是个被低估的指标。同样的投喂量，吃完从八分钟拖到二十分钟，说明抢食意愿下降，这个信号比水面浮头早好几天。用摄像头看水面动静，属于计算机视觉里比较成熟的用法，识别的是活动强度，不是鱼的健康状况。
这些数据攒够一个养殖周期，才有优化空间。按天算平均值会把关键波动抹平，按小时看曲线才能对上投喂动作。时间序列怎么处理、周期和趋势怎么拆，时间序列那篇有基础讲法。
报警阈值设太紧，等于没设
探头装好之后的第一个月，最常见的结果是报警响个不停。溶氧的阈值卡得太高，阴天下午就响；氨氮的阈值卡得太低，每次投喂后都响。响到第三周，所有人都会把提示音关掉，这套系统就废了。
合理的做法是分两级：一级阈值只在真正危险时触发，要求必须有人到场；二级阈值只记录不打扰，用来观察趋势。两级之间留出的带宽，就是给正常波动的位置。这个带宽要按自己塘的历史数据定，照抄别人的参数通常不合适。
传感器本身也会漂。探头结垢、生物附着、长期不校准，读数会缓慢偏离真实值，而且偏得很平滑，看曲线看不出来。定期清洗和校准是硬性动作，不是可选项。数据漂移讲的就是这类「模型没错、数据变了」的失效，落到塘口就是探头该洗了。
提示到「疑似」为止
把异常记录排成时间线，工具能做的事是提示「这一塘最近三天摄食下降、夜间溶氧波动变大，建议查看」。这个提示有价值，因为它把散落的观察串起来了。但它到此为止：是不是病害、是哪种、要不要用药，需要现场看鱼、镜检、甚至送检。
误判的代价不对称。把健康的一塘判成有病，代价是白忙一场和白花钱；把有病的一塘判成没事，代价是一塘鱼。所以工具的输出应该偏保守，宁可多提示几次，也不要给一个笃定的结论。涉及具体处置方案，以当地水产技术部门的意见为准。
小塘和大场的投入顺序不同
几十亩以内的场子，先解决溶氧监测和投喂记录，两样东西投入不大，能挡住最主要的两个风险。几百亩以上的场子，先解决数据怎么汇总到一处，否则每个塘一套系统，看不过来，报警也没人响应。
还有一层是人的问题。系统报出来的异常，最终要有人去塘边看。值班表、响应时限、谁有权决定停料，这些定不下来，再好的监测也只是多了几块屏幕。设备能持续工作，靠的是有人管它。
速查：渔场用工具的四条底线
- 探头要定期清洗校准，读数漂移比没数据更危险
- 报警分两级，能关掉的报警等于没有报警
- 工具只提示疑似，确诊和处置交给技术人员
- 投喂记录记差值，不记总量
