“实践育人大课堂”系列报道：鱼病诊断不再只靠“老把式”，海大青年用AI实现拍照40秒即诊断

随着“十五五”规划开局，渔业疫病防控被列为行业重点升级方向，也为青年学子以专业服务产业搭建了实践平台。“望鳞问渔”团队由上海海洋大学多专业学生组成，覆盖水产养殖、计算机科学、人工智能等领域，这支跨学科队伍从实践起步之初就确立了“从塘口中来、到塘口中去”的准则，坚持用一线脚步丈量真实产业需求。

实践期间，团队分批奔赴上海、湖南、广东、江苏等全国水产主养区，扎进乡间塘口开展深度调研。队员们跟着养殖户巡塘投喂、观察鱼群状态，面对面访谈基层渔技人员与养殖农户，逐一记录不同鱼种的常见病害、传统诊疗流程与养殖户的实际诉求。调研中队员们真切感受到，基层渔医缺口远超课本认知，多数养殖户遇到鱼病只能靠“老经验”判断，既无规范诊断标准，也难以及时获得专业指导，往往错过最佳防治时机。不少农户坦言，一场突发鱼病就能吞噬整季收成，“看病难、诊断慢、判断不准”是全行业的共性难题。

除了塘口一线，团队还走访多地水产技术推广站与科研平台，对接行业专家系统了解鱼病诊疗的行业标准与技术现状。扎实的走访调研让队员们跳出理论框架，对产业痛点建立了鲜活深刻的认知，也锚定了用人工智能技术填补基层诊疗缺口这一实践攻坚的方向，让普通养殖户也能用上低成本、专业化的鱼病诊断工具。“望鳞问渔”的团队名称也在实践中逐渐成型，既承载着对鱼类生命信号的精准解读，也寄托着学子以科技实践回应渔业高质量发展之问的初心。

基于调研梳理的核心痛点，团队转入科研实践攻坚阶段，依托上海海洋大学优势学科资源与国家淡水水产种质资源库平台，在专业教师指导下开展跨学科技术攻关。对队员们而言，这既是将课本知识转化为应用成果的实践过程，也是突破专业边界、锤炼综合能力的成长课堂。

研发过程中，水产专业队员负责梳理鱼类病害特征、搭建诊疗标准体系，计算机专业队员主攻算法模型开发与系统功能搭建，大家在协作中互补短板，逐个破解技术难题。针对养殖户“症状说不清”的普遍难题，团队研发OmniSigna多模态感知系统，实现图像、文本信息的联合分析。针对通用AI诊断“黑箱化”（指人工智能系统在做出决策或预测时，其内部复杂的运行机制对人类而言不透明、难以理解的现象）的问题，团队搭建IchthySage知识图谱，让每一条诊断结论都有据可查、可追溯。针对诊断结果不稳定的痛点，团队构建SymptomAtlas图推理框架，保障不同表述下诊断逻辑始终一致。为打磨技术细节，队员们反复测试算法模型，对照收集的上千份病例样本不断优化准确率，实验室的灯光常常亮到深夜。

技术研发成型后，团队带着原型系统再次回到塘口一线，开启落地验证的实践闭环，在真实养殖场景中检验成果、迭代优化。队员们在多个养殖基地开展实地测试，邀请养殖户现场体验操作，收集使用反馈与改进建议，再根据一线意见调整产品功能与交互逻辑，确保系统真正贴合基层使用习惯、解决实际问题。

经过多轮塘口实测与迭代优化，全链路自主研发的“望鳞问渔”AI大模型正式推出，同步覆盖网页端与手机端，实现“拍照40秒即诊断”的便捷体验。养殖户只需用手机拍摄病鱼照片，补充水温、发病情况等简短描述，系统就能在40秒内输出诊断结果与合规用药建议，还支持交互式追问答疑，让渔户在塘口边就能获得专业级诊疗支持。系统兼顾“准”与“安”两大核心，三层自研技术底座保障诊断精度，经真实塘口实测验证，综合诊断准确率较主流通用大模型提升17%以上，内嵌《绿色食品渔药使用准则》等行业标尺，自动校验禁限用药物与休药期要求，从源头守住水产品质量安全底线。