fa مقاله مروری:‌ کاربرد هوش مصنوعی و اینترنت اشیا در مدیریت پرورش ماهیان زینتی تخصصي Special كاربردي Applicable <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">رشد سریع صنعت ماهیان زینتی و افزایش تقاضا برای گونه‌های با کیفیت بالا، نیاز به استفاده از فناوری‌های پیشرفته در مدیریت این صنعت را برجسته کرده است. در این زمینه، ترکیب هوش مصنوعی</span></span> (AI) <span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">و اینترنت اشیا</span></span> (IoT) <span style="font-size:12.0pt"><span b="" compset="" style="font-family:">&nbsp;که اغلب با عنوان هوش مصنوعی اشیا</span></span> (AIoT) <span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">شناخته می‌شود، به‌ عنوان رویکردی تحول‌آفرین برای نظارت، کنترل و بهینه‌سازی فرآیندهای پرورش ماهیان زینتی مطرح شده است</span></span>.<span lang="FA" style="font-size:12.0pt"><span style="font-family:"B Compset""></span></span></span></span></span></span><br> <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">این مقاله مروری به ‌طور نظام‌مند ادبیات علمی منتشره طی سال‌های 2025-2018 را بررسی می‌کند تا کاربردهای</span></span> AIoT <span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">در حوزه‌هایی مانند نظارت بر کیفیت آب، تشخیص زودهنگام بیماری‌ها، مدیریت تغذیه، تخمین زیست‌توده و تحلیل رفتار ماهیان زینتی را تحلیل نماید. نتایج نشان می‌دهد که ترکیب داده‌های حسگرهای</span></span> IoT <span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">با مدل‌های یادگیری ماشین، شبکه‌های عصبی عمیق و بینایی کامپیوتری، دقت و سرعت تصمیم‌گیری در سیستم‌های آکواریوم را به ‌طور قابل‌توجهی افزایش می‌دهد</span></span>.<span lang="FA" style="font-size:12.0pt"><span style="font-family:"B Compset""></span></span></span></span></span></span><br> <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:">با وجود این پیشرفت‌ها، چالش‌هایی مانند هزینه‌های بالای اجرای سیستم، محدودیت در دسترسی به داده‌های استاندارد و موانع عملی در استقرار میدانی، هنوز استفاده کامل از فناوری‌های </span></span>AIoT<span lang="FA" style="font-size:12.0pt"><span b="" compset="" style="font-family:"> را محدود می‌کند. آینده پرورش ماهیان زینتی وابسته به توسعه سیستم‌های هوشمند محلی و مقرون‌به‌صرفه است که بتوانند به ‌طور همزمان پایداری و رفاه ماهیان را تضمین کنند.</span></span><strong><span lang="FA" style="font-size:12.0pt"><span style="font-family:"B Nazanin""></span></span></strong></span></span></span></span> <span style="font-size:12pt"><span style="line-height:17.0pt"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt">The rapid growth of the ornamental fish industry and the increasing demand for high-quality species have highlighted the need for advanced management technologies. In this context, the integration of Artificial Intelligence (AI) and the Internet of Things (IoT), often referred to as the Artificial Intelligence of Things (AIoT), has emerged as a transformative approach for monitoring, controlling, and optimizing ornamental fish farming operations.</span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:17.0pt"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt">This review systematically examines scientific literature published between 2018 and 2025 to analyze AIoT applications in areas such as water quality monitoring, early disease detection, feed management, biomass estimation, and behavioral analysis of ornamental fish. The findings indicate that combining IoT sensor data with machine learning models, deep neural networks, and computer vision significantly enhances both the accuracy and speed of decision-making in aquaculture systems.</span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:17.0pt"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt">Despite these advances, challenges such as high implementation costs, limited availability of standardized datasets, and practical constraints in field deployment continue to limit the full utilization of AIoT technologies. The future of ornamental aquaculture depends on the development of cost-effective, localized intelligent systems that ensure both sustainability and fish welfare simultaneously.</span><span lang="FA" dir="RTL" style="font-family:"B Nazanin""></span></span></span></span> هوش مصنوعی اشیا (AIoT), ماهیان زینتی, آکواریوم هوشمند, اینترنت اشیا, یادگیری ماشین, بینایی کامپیوتری Artificial Intelligence of Things (AIoT), Ornamental Fish, Smart Aquaculture, Internet of Things, Machine Learning, Computer Vision 55 67 http://ornamentalaquatics.ir/browse.php?a_code=A-10-260-4&slc_lang=fa&sid=1 R. Mahmoudi رقیه محمودی roghaye.mahmodi@gmail.com 10031947532846003644 10031947532846003644 Yes Iranian Fisheries Science Research Institute (IFSRI), Agricultural Research Education and Extension Organization سازمان تحقیقات آموزش و ترویج کشاورزی- موسسه تحقیقات علوم شیلاتی کشور-مرکز تحقیقات ژنتیک و اصلاح نژاد ماهیان سردابی یاسوج