2026年盛夏,在农业农村部农产品质量标准研究中心组织的农产品质量安全智慧监管现场路演与技术研讨会上,上海海洋大学本科生团队携其研发的鱼病智能辅助诊疗系统“望鳞问渔”亮相行业讲台,向与会专家、政府部门和企业代表作了系统演示与讲解。
上传病鱼照片,补充简单的症状描述,系统便能快速给出鱼病辅助判断和相关信息参考。从一群学生的最初设想到真正走上行业交流平台,“望鳞问渔”已经走过一年有余。
但这个项目真正的起点,并非实验室里的技术突破,而是一次走进塘口的社会实践。
一次社会实践,让他们看见技术之外的问题
故事要从上海崇明说起。在学校组织的一次社会实践中,团队成员走进当地水产养殖区调研。与课堂、实验室和电脑屏幕里的数据不同,第一次真正站在养殖塘口边,他们看到的是一个个具体而现实的问题。
鱼出现异常,如何快速判断病因?专业人员无法及时赶到怎么办?不同疾病表现相似,单凭经验该如何分辨?药该怎么用、哪些药不能用、休药期又该如何把握?
这些问题,对于城市里长大的计算机专业学生而言,曾经遥远而陌生;但对于塘口边的养殖户来说,却可能直接关系到一季甚至一年的收成。
调研越深入,团队越清晰地意识到:很多基层养殖户面对鱼病时,真正缺少的并不是某一个孤立的信息,而是一种能够更加便捷地连接疾病知识、专业判断与实际生产的工具。
团队将这种困境总结为“三缺”:缺少触手可及的专业支持,缺少方便易用的辅助工具,也缺少精准可靠的用药信息。
“能不能用自己学的计算机技术做点什么?”这个最初并不复杂的念头,成了“望鳞问渔”的起点。回到学校后,几名信息学院的学生开始了第一次尝试,他们很快做出了第一版产品。
然而,真正的问题才刚刚开始。
第一次尝试并不成功,他们开始重新理解“实践”
最初的想法很直接:让人工智能学习鱼病知识,再帮养殖户做出判断——这似乎并不复杂。
但现实很快给出了答案。一期产品投入实际使用后,问题接连暴露。养殖户习惯使用口语描述症状,模型却难以准确理解;同一个问题换一种问法,系统的回答可能发生变化;更让团队警觉的是,在涉及药物使用时,通用人工智能生成的部分内容,可能触碰水产养殖禁限用药物等规范红线。
对于普通互联网应用来说,一次回答不准确或许只是一次不佳的使用体验。但在水产养殖中,一次错误判断,背后可能是真实的生产损失,甚至关乎水产品质量安全。
团队第一次如此清晰地认识到:技术能解决计算问题,却无法替代对产业本身的理解。
如果不了解鱼病,不了解养殖户如何描述问题,不了解不同鱼种和养殖环境之间的差异,不了解行业标准与实际生产规范,那么代码写得再漂亮,也很难真正解决塘口里的难题。
这次并不成功的尝试,让团队重新理解了“社会实践”四个字的分量。实践不是调研结束后带回的几张照片,也不是写在项目书里的一段经历。真正的实践,是发现想象与现实并不一致后,愿意重新走回现实中去。他们决定推倒重来。
团队重新梳理问题,也越来越清楚:仅靠几个计算机专业的学生,很难真正做好一套鱼病智能辅助诊疗系统。真正懂水产的人,必须加入。
从“学计算机的学生”到一支跨学科团队
第二轮调研随之展开。这一次,团队没有把目光局限在一个地区,也没有急着继续写代码。线上访谈、线下塘口、专家交流同步推进,调研范围逐渐扩大。与此同时,团队也从最初以信息学科学生为主,逐步吸纳水产、经济管理、食品等不同专业的学生加入。
不同专业的学生第一次坐在同一张桌子前,解决同一个问题。这种合作并不像想象中那样轻松。学计算机的同学习惯讨论模型、数据和程序;学水产的同学更关注鱼种、症状、病原和养殖环境。同一个词,在不同专业背景下,可能有完全不同的理解。
很多讨论不得不从最基础的问题开始。一个症状究竟应该怎么描述?一张病鱼照片能说明什么?哪些信息必须由养殖户补充?疾病判断的依据从何而来?人工智能给出的结论为什么可信?涉及药物时,如何确保信息符合行业规范?
团队一次次讨论,也一次次修改。学校水产优势学科资源和“本科生进实验室”等培养机制,为这群学生提供了更多接触科研和行业知识的机会。从最初“让人工智能回答鱼病问题”,到后来重新思考诊断依据、知识来源、交互方式和安全边界,“望鳞问渔”的研发思路发生了根本变化。
新系统不再简单依赖通用人工智能直接给出答案,而是将病鱼图像、症状描述、专业知识和诊断逻辑有机结合,通过多模态识别、行业知识体系和智能推理等技术,提高鱼病辅助诊断的专业性、稳定性和可解释性。
同时,团队将水产养殖相关标准与规范嵌入系统,对涉及禁限用药物、休药期等内容进行校验。
养殖户无需学习复杂的专业操作。拍摄病鱼照片,再补充几句实际观察到的情况,就可以获得辅助诊断信息,还可根据实际情况继续补充追问。
但对团队来说,比产品“终于做出来”更加重要的问题是:它在塘口里真的能用吗?答案,只能到一线去寻找。
一次次回到塘口,把答案交给真实场景。
二期产品完成后,团队再次走出实验室。上海、湖南、广东、江苏……不同地区、不同鱼种、不同养殖模式下,他们反复进行实际使用验证。很多在实验室里从未出现的问题,又一次摆在团队面前。
养殖户上传的照片不一定清晰,描述方式也不统一;不同地区对同一种症状的称呼可能存在差异;实际养殖中,疾病、水质、环境变化乃至管理方式常常相互影响。这些复杂情况,反而让团队更加确信:真正面向农业生产的人工智能,不能只追求漂亮的实验指标。它必须能够理解真实世界的“不标准”。
每一次塘口反馈,都重新变成实验室里的一个问题。表达不好理解,就优化交互方式;实际症状覆盖不足,就继续补充专业知识;判断依据不够清晰,就重新梳理诊断逻辑。
“从塘口中来,再回到塘口中去”,逐渐成为团队习惯的研发路径。随着不断迭代,“望鳞问渔”的核心诊断能力逐步稳定。真实塘口场景下的测试数据显示,与多个通用人工智能模型相比,系统在淡水鱼病典型场景中的综合诊断表现有了明显提升。但比指标更让团队高兴的,是产品开始被一线养殖户真正使用。
今年5月以来,“望鳞问渔”先后亮相全国水产技术推广总站、中国水产学会主办的“促进渔医行业规范发展研讨会”,以及农业农村部农产品质量标准研究中心组织的农产品质量安全智慧监管现场路演与技术研讨会。
从最初几名学生围在电脑前讨论一个想法,到如今,能够将来自塘口的问题带到行业交流现场,项目开始被越来越多人看到。关注不断增加,团队却并未止步。
他们开始思考下一个问题:在上海、江苏、广东等地区适用的产品,到了更加广阔的内陆地区,还能否同样适用?
从东海之滨走向西北,把调研继续做下去
团队负责人来自甘肃。在他的成长经历中,“水产”和“人工智能”原本是两条平行线。来到上海海洋大学学习计算机科学与技术后,一次次走进实验室、走进塘口,他逐渐接触水产养殖,也愈发理解不同地区农业生产条件的巨大差异。这成为团队继续向西前行的重要动因。
沿海地区水产产业资源相对丰富,但若技术要服务更广泛的基层用户,就不能仅在条件成熟的地区证明自己。团队把新的调研方向投向甘肃、新疆等地,希望了解内陆养殖场景与沿海地区的不同,也试图探索,在专业技术服务资源相对有限的地区,智能工具能够发挥怎样的作用?
从上海崇明,到湖南、广东、江苏,再到更远的西北,项目的实践版图不断扩大。而团队对“产品”的理解也在悄然变化。
最初,他们想的是如何做出一套人工智能系统。后来,他们开始考虑怎样让养殖户真正愿意用、看得懂、用得起。再后来,他们意识到:如果一项技术只能停留在实验室和比赛场,那它尚未完成自己的价值。
团队开始探索更可持续的服务方式。他们希望,一方面让技术能够持续迭代,另一方面尽可能降低普通养殖户接触专业智能服务的门槛。这成为这群大学生面对的又一道新课题。
论文之外,他们把成长写在塘口边
一年多来,“望鳞问渔”的演进,也是团队成员成长的缩影。项目推进过程中,团队累计形成了多篇学术论文、发明专利和软件著作权等科研成果。
但如果问这群学生最大的收获是什么,答案并不只是论文、专利或者奖项。
对于最早参与项目的计算机专业学生,他们第一次知道一条鱼出现不同症状,可能对应怎样复杂的疾病判断;对于水产专业学生,他们第一次开始思考如何把专业知识转化成机器能够理解和使用的信息;来自不同专业的年轻人,在一次次争论、合作和实践中逐渐学会共同解决一个真实的问题。
而对于整个团队而言,最重要的一课或许是:青年科技创新,并非先有漂亮的技术,再去寻找应用场景。真正有生命力的创新,往往始于一个具体的问题——先走近需要技术的人,倾听他们的困扰,再回到实验室寻找答案。答案不对,就继续回来。
“望鳞问渔”,问的是技术怎样真正抵达一线
“望鳞问渔”四个字,最初只是一个项目名字。随着调研越来越深入,团队对它有了新的理解。“望鳞”,是从一条鱼最细微的异常中寻找疾病留下的信息;“问渔”,是不断追问——年轻人所掌握的知识和技术,究竟能为真实产业做些什么?
从一次社会实践出发,这群大学生未曾预料自己会走这么远。他们经历过首版产品失败的沮丧,跨专业沟通的困难;一次次从实验室走向塘口,又一次次带着新的问题归来。
今天的“望鳞问渔”仍然在成长。它并不是要取代渔医和专业检测。团队希望做的是:在养殖户发现异常、急需获得信息和判断方向时,为他们多提供一种便捷的辅助工具;让专业知识能够借助数字技术,以更低门槛走近基层养殖场景。
从实验室到塘口,中间并不只是几十公里的路程。那里隔着专业壁垒,隔着真实生产环境与理论模型之间的差异,也隔着青年学生从“会做技术”到“理解产业”的成长距离。
而这群年轻人正在做的,就是一步一步把这段路走完。他们仍会继续下塘口,继续听养殖户讲述问题,继续回到实验室修改答案。因为他们越来越相信:
青年人的创新成果可以写在纸上,也更应写在祖国真正需要它的地方。
