1、水产健康养殖专家系统
基于人工智能技术，把已知数据、规则、函数以及专家经验，转化为可量化定义的样本数据集和经验知识库，再利用推理、判断和预测等手段，达到对养殖全过程进行智能化指导的。根据选取常规重要的量化指标，建立水体环境质量评价量化模型，实现池塘水质智能化识别，然后再根据养殖水体当前的水质状况、污染物的迁移特性以及流域内污染物的排放情况来预测水质未来的变化趋势，以起来防患于未然的作用。
2、水产主导品种数据化专家系统
通过多年来对水质环境数据的采集和处理，建立了环境数据库，得出了水产生长较为完善的生长发育参数和健康养殖量化指标。
根据这些量化指标和水产养殖专业知识，基于环境数据库建立起水产健康养殖专家系统，对实现水产健康养殖、智能控制和计算机管理有重要的意义。
本系统包括水质评价子系统、水色判别子系统和智能管理子系统。
水质评价子系统选取常规重要的量化指标，如DO，pH, 三态氮，磷，水色，饲料投喂技术，浮游植物等，建立水体环境质量评价量化模型，实现池塘水质智能化识别。同时根据环境因子与养殖生物健康状况量化规则，进行产量、疾病早期预警；根据池塘水环境与人工措施关系量化规则，进行水质调节、环保处理等，本子系统分为单因子和多因子二大类。
水色判别子系统是根据从池塘中取出的水，在相同条件下拍摄的照片，进行图像预处理，水色信息数字化提取，实现将图像文件转化为数据矩阵，再使用颜色中心矩提取图像颜色特征，获取特征值后，以此作为样本数据，训练网络模型，对不同图片对象进行分类。根据水色色度快速判别水质状况，最后结合浮游植物信息，给出水质调节建议。
智能管理子系统主要根据预测结果，实现DO调节控制、氮磷控制、pH调控、以及饲料精准投喂和疾病早期预警。饲料精准投喂是指制定投喂规则，并根据水质状况给出合理建议，疾病早期预警是指水质与养殖生物健康状况定量关系等。
3、水色图像预测评价
由于水色能反映水中浮游植物的种类和多少，所以利用图像处理技术对水色分析后，可以得出水质类型。目前这种方法广泛应用在海洋和湖泊的水质预测上，通过拍摄图像，根据图像的颜色，可快速反演推出水质的好坏。
建模步骤：1）水样图像切割；2）图像特征提取；3）水样图像专家样本；4）预测建模；5）水样图像自动判断水质类别
4、水产养殖投入产出多目标优化仿真
应用多目标优化方法建立水产养殖的投入产出模型，通过仿真方式模拟选择合适的养殖模式、养殖技术、投入成本，同时利用多目标规划对市场进行预测，优化调整产业结构，从而获得理想的经济效益。应用该仿真系统进行水产养殖投入产出模拟实验，能在一定程度上还原在指定养殖周期和各种资源（水体、资金、种苗等）都有限的情况下，如何统筹安排，合理规划，达到最大经济效益。
5、海水增养殖区环境综合评价
建立虾、贝养殖环境影响评价指标体系与养殖环境综合评价方法体系；查明虾、贝体内有毒有害物质残留水平，建立虾、贝养殖环境风险评价方法与养殖产品食用安全评价体系；为实施业务化服务提供技术支撑。
1）贝类养殖环境影响评价
选择研究区域和养殖生物，进行养殖贝类代谢产物排泄和氮、磷、碳收支的研究，建立养殖贝类代谢产物对海水和沉积环境的影响评价方法。
2）池塘养殖虾类环境影响评价
筛选对虾池塘养殖环境影响评价指标，建立对虾池塘养殖外排水对水环境和沉积环境的影响评价方法。
3）滤食性贝类食用安全环境风险性评价
筛选滤食性贝类食用安全风险评价指标，建立包括微生物、持久性有机物、重金属、贝毒等污染因子在内的贝类食用安全环境风险综合评价指标体系和方法。
4）池塘养殖对虾食用安全环境风险评价
筛选池塘养殖对虾食用安全风险评价指标，建立包括微生物、持久性有机物、重金属等污染因子在内的池塘养殖对虾食用安全环境风险综合评价指标体系和方法。
5）海水增养殖区环境评价监测方案与评价方法优化
建立包括监测站位、频次、监测要素等内容的海水增养殖区环境评价监测、评价优化方案。
