در حال حاضر، شرکت یک سامانه پایش و مانیتورینگ مبتنی بر فناوری  LoRa را در حوزه‌ دام‌داری و آبزی‌پروری توسعه ‌داده‌است. این سامانه با استفاده از سنسورهای دما، اکسیژن و pH آب، وضعیت محیطی مخازن آبزی‌پروری را به‌طور پیوسته پایش کرده و در صورت انحراف از محدوده‌های تعریف‌شده، اقداماتی مانند جریان‌دهی آب تازه و یا تزریق حباب به آب را به‌طور خودکار انجام می‌دهد. با این وجود، این سیستم با محدودیت‌هایی در زمینه شبیه‌سازی شرایط متابولیک و زیستی میگوها در مقیاس‌های بزرگ‌تر و تحت شرایط استرس‌زا مواجه است. علاوه بر این، سیستم موجود قادر به پیش‌بینی و شبیه‌سازی شرایط بیماری‌ها و استرس‌های محیطی به‌طور هوشمند و واکنش‌پذیر نیست.

برای رفع این چالش‌ها، شرکت به دنبال توسعه سامانه‌ای است که از فناوری‌های سونار و اولتراسونیک برای بهبود شرایط متابولیسم و ایجاد آسایش برای میگوها استفاده می‌کند. این فناوری‌ها با استفاده از امواج صوتی برای اندازه‌گیری دقیق پارامترهای محیطی مانند عمق آب، جریان‌های آب و سطح رسوبات عمل می‌کنند و قادر به شبیه‌سازی تغییرات محیطی مؤثر بر استرس و سلامت میگوها هستند.  فرکانس‌های اولتراسونیک به‌طور منحصر به فرد در هر زمان بر اساس شرایط محیطی تنظیم می‌شوند، به‌گونه‌ای که این فرکانس‌ها با فرکانس‌های طبیعی موجود در زیستگاه میگوها سازگاری دارند. این اقدام به بهبود شرایط زیستی میگوها کمک می‌کند. همچنین، امواج اولتراسونیک با ممانعت از رشد عوامل بیماری‌زا نظیر باکتری‌ها و ویروس‌ها و بهبود شفافیت آب، موجب بهینه‌سازی سیستم گوارش و متابولیسم میگوها می‌شوند. این فناوری‌ها، علاوه بر بهبود کیفیت آب، تأثیر مستقیمی بر سلامت و کارآیی میگوها دارند و توانمندی‌های موجود را در راستای افزایش عملکرد مزارع آبزی‌پروری ارتقا می‌دهند.

به‌منظور رفع چالش‌های موجود و ارتقای کارایی مزارع پرورش میگو، به‌کارگیری الگوریتم‌های پیشرفته یادگیری ماشین و مدل‌های تحلیلی مبتنی بر داده‌های حجیم، امری ضروری است. در این راستا، سامانه مدنظر شرکت متقاضی از مدل‌های بزرگ مولد برای تحلیل دقیق رفتار آبزیان بهره خواهد برد و با شبیه‌سازی‌های پیشرفته، پیش‌بینی‌های دقیق‌تری از وضعیت سلامت میگوها ارائه خواهد داد. این سیستم، داده‌های متنوع محیطی (شامل کیفیت آب، دما، pH، اکسیژن محلول، آمونیاک، نیترات و نیتریت)، الگوهای تغذیه و رفتار حرکتی میگوها را به‌صورت بلادرنگ پردازش کرده و بر اساس تحلیل‌های خود، اقداماتی اصلاحی همچون تنظیم فرکانس‌های امواج اولتراسونیک برای تحریک زیستی، تزریق مواد شیمیایی و عملیات هوادهی هدفمند را به طور خودکار اعمال می‌نماید. توانایی پردازش روزانه حدود ۱.۴۴ گیگابایت داده، ارائه تحلیل‌های دقیق سامانه را امکان‌پذیر خواهد کرد.

این سامانه در یک مزرعه دوهکتاری پیاده‌سازی خواهد شد و مدل‌های یادگیری ماشین باهدف تشخیص زودهنگام بیماری‌های میگو با دقت حداقل ۹۰ درصد توسعه می‌یابند. به موازات این هدف، الگوریتم‌های بهینه‌سازی تغذیه به‌گونه‌ای طراحی می‌شوند که ضریب تبدیل غذایی (FCR) کاهش یابد؛ به‌طوری‌که کارایی تبدیل خوراک به وزن میگو بهینه شده و مصرف منابع خوراکی به حداقل برسد. کاهش FCR  نه‌تنها موجب افزایش بهره‌وری تولید، بلکه باعث کاهش هزینه‌های نهایی خواهد شد.

همچنین، با تحلیل بلادرنگ داده‌های محیطی و اعمال مداخلات هوشمند، نرخ بقا میگوها تا ۱۰ درصد افزایش‌یافته و مقاومت بدنی آبزیان در برابر عوامل بیماری‌زا تا حدود ۹۰ درصد ارتقا خواهد یافت. ارتقای این شاخص‌ها، در کنار بهبود شرایط متابولیکی و ارتقای آسایش زیستی، به حفظ سلامت عمومی جمعیت میگوها، کاهش شیوع بیماری‌ها و بهبود کیفیت محصول نهایی منجر می‌شود.