基于随机森林的AI驱动海水养殖决策支持系统：实时鱼类死亡率预测与紫外线LED消毒协同优化研究

本研究创新性地将AI技术与紫外线消毒机理相结合，通过随机森林算法构建海水养殖鱼类死亡率预测模型，并系统评估了UVA-LED（365 nm）和UVC-LED（275 nm）对副溶血弧菌（Vibrio parahaemolyticus）的灭活效果及光复活（photoreactivation）调控机制，为水产病原体防控提供了波长选择与光照强度优化的关键技术参数。

　　

Highlight

紫外线LED（UV-LED）消毒技术作为传统汞灯的替代方案，本研究通过对比UVC-LED（275 nm）和UVA-LED（365 nm）对水产致病菌副溶血弧菌（V. parahaemolyticus）的灭活效能，揭示了波长特异性作用机制：UVC-LED在12 mJ/cm²剂量下可实现3.9 log的细菌灭活，而UVA预处理未表现出协同增强效应。

光复活现象解析

在110 μmol/m²/s白光条件下，细菌光复活增长率高达106.96%，蓝光（短波长）更显著激活光裂合酶（photolyase）基因表达，使复活率升至143.48%，而红光与绿光则显著抑制该过程。相关性分析表明，细菌增长率与光复活时间、光强度呈正相关，与光谱波长呈负相关。

消毒机制突破

UVC通过诱导DNA环丁烷嘧啶二聚体（CPDs）直接破坏遗传物质，UVA则通过产生活性氧（ROS）攻击细胞膜。研究发现，280/310 nm多波长组合对大肠杆菌的灭活效率反而低于单波长应用，颠覆了传统协同效应认知。

Conclusion

本研究为水产UV-LED消毒系统设计提供关键参数：应避免短波长光照后处理阶段，并通过提高光强度（如170 μmol/m²/s）抑制光复活。这些发现对防控急性肝胰腺坏死病（AHPND）等水产疫病具有重要实践意义。