全球粮食系统正面临气候变化、资源枯竭、人口增长和城市扩张带来的日益增加的压力。传统农业严重依赖耕地、淡水和合成农业化学品，已达到生态极限，并与大量温室气体排放相关 (Debroy et al., 2025a, Lopchan Lama et al., 2025)。这些压力加剧了人们对粮食安全的担忧，并突显了在受限环境中运作的创新、资源高效生产模式的必要性。与此同时，对可持续蛋白质和植物性营养的需求持续增长，促使开发既环境友好又营养丰富的集成系统 (Channa et al., 2024, Dennison et al., 2025)。
鱼菜共生通过微生物营养循环将水产养殖和水培法整合在一起，允许鱼类排泄物为植物提供肥料，同时植物为水生生物净化水质 (Wei et al., 2019, Reyes Yanes et al., 2020)。这种共生设计支持全年生产动物和植物蛋白质，同时最大限度地减少土地和水的使用。鱼菜共生可以减少高达 90–95% 的用水量，减少超过 80% 的肥料投入，同时保持每单位面积的高生产力 (Alexuta et al., 2024, Channa et al., 2024)。这些特性使鱼菜共生成为城市农业和循环生物经济模式的重要组成部分 (Dennison et al., 2025)。然而，不稳定的水质、波动的营养平衡和高系统复杂性等操作局限性阻碍了更广泛的实施 (Debroy et al., 2025a)。
智能鱼菜共生的出现旨在通过集成数字技术来解决这些瓶颈，包括物联网 (IoT)、人工智能 (AI)、机器人技术和数字孪生 (DT) 建模 (Reyes Yanes et al., 2020, Anila and Daramola, 2025)。这些技术能够连续监测和控制温度、溶解氧、氨和 pH 值等关键变量，增强系统稳定性和决策能力 (Wei et al., 2019, Channa et al., 2024)。机器学习 (ML) 和深度学习 (DL) 算法已被应用于异常检测、水质预测和产量预测 (Channa et al., 2024, Anila and Daramola, 2025)，而信息物理系统 (CPS) 和数字孪生正在出现，以支持实时模拟和过程控制 (Ondru?ka et al., 2022, Dennison et al., 2025)。证据表明，自动传感和闭环控制提高了操作一致性，但大多数演示仍然局限于小规模测试床 (Arvind et al., 2020, Ali et al., 2024, Bin Zakaria et al., 2024)。
尽管取得了这些进展，该领域在系统级建模和生物与物理化学组件集成方面仍然分散 (Anila and Daramola, 2025, Debroy et al., 2025a)。很少有研究开发明确表示鱼、植物、微生物和营养循环之间相互作用的框架。大多数研究孤立各个子系统，限制了预测性和适应性控制架构的发展 (Wei et al., 2019, Channa et al., 2024)。虽然 AI 改善了监测和预测，但其在多层系统调节中的应用仍然稀缺。早期的综述已解决生态和能源相关的约束，但缺乏对系统成熟度的定量评估 (例如，Wei et al., 2019; Reyes Yanes et al., 2020; Anila & Daramola, 2025)。
本研究基于智能鱼菜共生 prior 的概念和技术基础，提供了 2016 年至 2025 年间发表的 125 项研究的 PRISMA 指导下的证据合成。本综述结合定量映射与技术就绪指数 (TRL) 基准测试，以表征技术成熟度并确定主要研究差距。具体而言，本研究 (1) 追溯鱼菜共生系统从手动操作到更智能自动化形式的演进，(2) 检查基于 IoT 和 AI 的传感、监测和控制方面的最新进展，(3) 评估 TRL 和智能集成成熟度，以及 (4) 确定与智能鱼菜共生进一步开发相关的未解决挑战。虽然大多数目前报道的智能鱼菜共生系统是在淡水环境中开发的，但这些方法在咸水和海水系统中的适用性仍然不明。盐度制度、物种选择和微生物稳定性的差异可能改变系统行为，并可能需要修改传感和控制策略。因此，咸水和海水智能鱼菜共生应被视为未来研究的重要方向，而不是当前证据基础支持的成熟应用领域。
