上海海洋大学“敖芯1.0”平台帮助智能升级渔情预报

近日，上海海洋大学在渔情预报领域取得重要成绩，其研发的“基于国内独立AI芯片软鱼渔场边缘预报平台——敖芯1.0”成绩显著，相关技术达到国内领先水平。这个平台的出现为渔业预报的智能发展注入了新的活力，有望改变传统的渔业预报方式，提高渔业生产效率和资源利用效率。该项目由上海海洋大学陈新军教授、柳彬副教授等领导的研究团队开发。该团队聚集了渔业资源和渔场学、人工智能海洋学等领域的专家学者，以及一批优秀的本科生。在研究过程中，团队依托上海海洋大学的学科优势、充足的项目支持、先进的平台设备和丰富的实验资源，为“敖芯1.0”平台的研发提供了坚实的保障。

西北部太平洋柔鱼渔场时空分布变化复杂，对准确预报提出了极高的要求。在此背景下，团队前期积累了丰富的软鱼渔场预报研究经验，取得了一系列高水平成果。他们利用AI技术在非对称时空尺度建模、多环境因素耦合分析、短期中期未来趋势预报等关键技术方向取得突破，为后续研究奠定了坚实的基础。然而，由于依靠大型服务器和远端数据传输，传统的深度学习渔场预报系统很难实现远端实时预报。为了解决这个问题，团队引入了边缘计算方案，选择了华为升腾Atlas200IDKA2开发者套件，成功实现了模型从过去环境向国内AI芯片的转移和部署。这个过程并非一帆风顺，团队需要克服模型适配、性能优化等诸多挑战。团队最终实现了模型的高效转移和布局，通过深入了解CPU和NPU之间的差异，构建虚拟环境，开发AscendCL算法。

软鱼渔场预测模型国产自主AI芯片转移布局流程

与CPU相比，国产AI芯片NPU软鱼渔场的预测性能

在模型转移部署过程中，为了平衡模型的精度和效率，团队建立了量化评估体系，根据网络结构的特点动态选择转移模式。他们制定了各种实验方案，比较不同的训练方法和转移策略的效果。实验结果表明，半精度浮点转移已成为最佳转移方式，同时保证了精度，核算成本最低，可靠性和应用效果更好。

软鱼渔场预测国产AI芯片转移动态量化评估系统

考虑到柔鱼生命周期短，容易受到各种海洋环境因素的影响，团队对多环境因素模型的转移和部署进行了研究。SST(海外表面温度)和Chll是通过检测七种环境因素组合下模型的预测效果来确定的。-a(叶绿素A浓度)的搭配是最佳方案，这种组合可以更准确地预测柔鱼渔场的分布。另外，团队还建立了基于NAS遗传算法的轻量化模型。通过在预设架构空间中搜索，团队构建了二分类模型和二分类模型 残差模型，回归模型，设计梯度搜索和全局搜索两种方案。实验数据显示，团队成功选择了两种最佳模式，大大降低了计算量，同时满足了精度等级。与原模型相比，最轻模型的计算量减少了98%，有效减少了人工参考时间，避免了部分最佳模型。

构建基于NAS遗传算法的轻量化模型性能与计算量对比

为了验证平台的效果，研究团队在中水集团舟山远洋渔业有限公司“舟渔968”鱿鱼上进行了海上实测验证。远洋渔船配备相关设备，在西北太平洋目标水域进行检测。数据显示模型精度、平台稳定性和硬件适应性达到预期效果，为平台的实际应用提供了有力支撑。

敖芯1.0平台有很多创新点。在AI赋能渔业方面，渔场预报系统首次应用于边缘端，提高了远洋渔船的实时预报能力；在量化和动态方面，构建转移效率量化评估系统，根据网络结构特点动态选择转移方式；在多因素组合方面，确定最佳因素组合，确保模型预测效果稳定；在NAS轻量化方面，自动搜索高效动态代码，优化模型性能。

今后“敖芯1.0”平台将继续优化升级。结合多源数据和高分辨率环境参数，团队计划扩大预测时间尺度，从短期预测扩展到季节预测，同时增强模型的可解释性。在产品覆盖方面，丰富渔情预报产品品种，部署渔情预报、资源预报等功能，形成完整的国产AI芯片边缘计算渔情预报系统。此外，团队还将探索跨水模型的转移，并将其推广到其他海洋物种，实现全球渔场多鱼种渔情预报的边缘化计算和布局，将海洋渔业的智能化发展推向一个新的高度。

往

期

回

顾

向海图强，“海洋青年说”激发校园远洋新力量。

师生共享文化盛宴！第五届“健身文化”节启动仪式暨上海海洋大学“向劳动者致敬，匠心谱写中国篇章”文化表演

原题：“上海海洋大学“敖芯1.0”平台帮助智能升级渔情预报”

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com