---
title: "Predicting Aquatic Environment for Fish Species Survival Using IoT and ML"
url: "https://maker.wiznet.io/Hannah/projects/predicting-aquatic-environment-for-fish-species-survival-using-iot-and-ml/"
markdown_url: "https://maker.wiznet.io/Hannah/projects/predicting-aquatic-environment-for-fish-species-survival-using-iot-and-ml/md"
type: "UCC: User Created Content"
author: "Sumon Ahemed"
author_url: "https://github.com/SumonAhemed42/Predicting_Aquatic-_Environment-For-Fish-Species-Survival_Using_IOT_And_ML-"
editor: "WIZnet"
editor_url: "https://maker.wiznet.io/"
original_author: "Sumon Ahemed"
original_url: "https://github.com/SumonAhemed42/Predicting_Aquatic-_Environment-For-Fish-Species-Survival_Using_IOT_And_ML-"
published: "2025-12-17"
language: "en"
likes: 0
views: 386
comments: 0
source: "WIZnet Makers (https://maker.wiznet.io/)"
---

# Predicting Aquatic Environment for Fish Species Survival Using IoT and ML

> This project introduces an intelligent system for aquaculture that combines Internet of Things (IoT) and Machine Learning (ML) to optimize water conditions for

Original author: Sumon Ahemed (source: https://github.com/SumonAhemed42/Predicting_Aquatic-_Environment-For-Fish-Species-Survival_Using_IOT_And_ML-)

## Article

#### Project Overview (EN)

**Predicting Aquatic Environment for Fish Species Survival Using IoT and ML**
This project is a smart aquaculture monitoring system that collects real-time water quality data
(pH, temperature, turbidity) using IoT sensors and applies machine learning models to:

Predict the most suitable fish species for the current aquatic environment

Recommend optimal water conditions for a selected fish species

The system uses Arduino Uno with Ethernet-based communication for stable data transmission
and provides a web dashboard for real-time visualization and prediction.

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766138530%2Epng)

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766071210%2Epng)

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766138609%2Epng)

#### Core Hardware Components (EN)

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766072583%2Epng)

| Component | Role |
| --- | --- |
| Arduino Uno | Sensor data acquisition and control |
| **WIZnet Ethernet Shield (W5500)** | Stable wired Ethernet communication |
| pH Sensor | Measures water acidity |
| Temperature Sensor | Measures water temperature |
| Turbidity Sensor | Measures water clarity |
| LCD | On-site data display |

#### Key Features (EN)

- Real-time water quality monitoring

- ML-based fish species and environment prediction

- Web-based visualization dashboard

- Expandable dataset through continuous data storage

#### Why W5500 Ethernet? (EN)

This project adopts **WIZnet W5500 Ethernet communication** instead of Wi-Fi
to ensure reliability in real-world aquaculture environments.

Key Technical Advantages

**1.High Network Stability**

- No Wi-Fi interference or signal loss

- Suitable for long-term continuous operation

**2.Low Latency**

- Reliable 1-second interval sensor data transmission

- Fast ML prediction response

**3.Low MCU Overhead**

- Hardware TCP/IP offloading by W5500

- Efficient operation even on Arduino Uno

**4.Industrial Compatibility**

- Ideal for farms, factories, and wired infrastructure

#### Applications (EN)

1. Smart Aquaculture Farms

- Early detection of unsuitable water conditions

- Improved survival rates through **fish species recommendation**

2. Small and Medium-Scale Fish Farms

- Low-cost implementation without complex infrastructure

- User-friendly web dashboard for real-time monitoring

3. Education & Research Platform

- End-to-end learning of IoT, networking, and machine learning

- Practical experience from data collection to ML deployment

4. Scalable Environmental IoT Solutions

- Expandable to feeding automation, oxygen control, and alert systems

- Applicable beyond aquaculture to general environmental monitoring

#### Summary (EN)

This project demonstrates a **smart aquaculture management system**
that uses **WIZnet W5500-based Ethernet communication** to reliably collect real-time water quality data and applies machine learning to predict **fish species suitability and optimal aquatic conditions**.

The system completes the full pipeline—from IoT hardware and networking
to backend services, ML inference, and web visualization—
resulting in a **low-cost, stable, and field-ready IoT solution**.

Beyond an academic capstone project, it serves as a practical example of
**industrial-grade IoT combined with machine learning**,
highlighting the strengths of WIZnet Ethernet solutions in real-world applications.

## 프로젝트 개요 (KR)

> 머신러닝을 활용한 스마트 양식 관리 시스템
>
> **프로젝트 배경 **
>
> 현재 양식 산업에서는 **수질 관리가 어류 생존과 생산성에 가장 중요한 요소**입니다.
> 하지만 기존 방식은 사람이 직접 측정하고 판단해야 하기 때문에 시간이 많이 들고, 실수 가능성도 높습니다.
>
> 이 프로젝트는 이런 문제를 해결하기 위해 **IoT 센서로 수질을 자동 수집하고, 머신러닝으로 어종 생존 가능성을 예측**하는 것을 목표로 했습니다.
>
> 즉,**사람의 경험에 의존하던 판단을 데이터 기반으로 바꾸는 것**이이 프로젝트의 출발점입니다.

**Predicting Aquatic Environment for Fish Species Survival Using IoT and ML**
본 프로젝트는 pH, 수온, 탁도 센서를 통해 수질 데이터를 실시간으로 수집하고,
머신러닝 모델을 활용하여 **해당 환경에 가장 적합한 어종** 또는
**특정 어종에 필요한 최적 수질 조건**을 예측하는 **스마트 양식 관리 시스템**입니다.

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766138530%2Epng)

Arduino를 통해 수집된 센서 데이터를 Ethernet 네트워크를 통해 서버로 전송, 데이터 베이스에 저장하여 **실시간 예측과 동시에 향후 학습 데이터로 활용**합니다.

Arduino Uno와 Ethernet 기반 네트워크를 사용하여 안정적인 실시간 데이터 전송을 구현했으며,
웹 대시보드를 통해 수질 모니터링과 예측 결과를 직관적으로 확인할 수 있습니다.

#### 핵심 하드웨어 구성

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766072583%2Epng)

| 구성 요소 | 역할 |
| --- | --- |
| Arduino Uno | 센서 데이터 수집 및 제어 |
| **WIZnet Ethernet Shield (W5500)** | 안정적인 유선 네트워크 통신 |
| pH 센서 | 수질 산도 측정 |
| 온도 센서 | 수온 측정 |
| 탁도 센서 | 수질 탁도 측정 |
| LCD | 현장 수질 값 표시 |

#### 프로젝트 전체 동작 흐름

![](https://maker.wiznet.io/upload/ckeditor5/1052284361%5F1766365144%2Epng)

데이터 수집 → 머신러닝 학습 → 모델 배포 → 실시간 예측 → 웹 시각화

1.데이터 수집

- ** ‘Realtime Pond Water Dataset for Fish Farming’ **데이터셋을 사용 (pH, 수온, 탁도, 예측 물고기로 구성된 데이터셋)

- IoT 하드웨어에서 들어오는 **실시간 센서 데이터**

2. 데이터 전처리, 머신러닝 모델 학습

- Decision Tree

- Random Forest

- KNN

- SVM

- Gaussian Naive Bayes

와 같은 여러 모델을 학습

3. 학습된 모델 평가 -> Decision Tree 모델 채택

4. IoT Hardware & Backend 연동

Arduino를 통해 수집된 센서 데이터를 Ethernet 네트워크를 통해 서버로 전송, 데이터 베이스에 저장하여 **실시간 예측과 동시에 향후 학습 데이터로 활용**

5. Web UI 출력

웹 대시보드를 통해 사용자는

- 실시간 수질 값 확인

- 수질 기반 어종 예측

- 어종 기반 최적 환경 예측

- 그래프 형태의 시각화

를 한 화면에서 확인할 수 있습니다.

![](https://maker.wiznet.io/upload/ckeditor5/410858361%5F1766071210%2Epng)

![](https://maker.wiznet.io/upload/ckeditor5/1052284361%5F1766365640%2Epng)

![](https://maker.wiznet.io/upload/ckeditor5/1052284361%5F1766365659%2Epng)

#### 시스템 기능 요약 (KR)

- 실시간 수질 데이터 수집 및 서버 전송

- ML 기반 어종 예측 및 최적 환경 추천

- 웹 대시보드를 통한 시각화

- 데이터베이스 저장을 통한 향후 데이터 확장 가능

#### 왜 Ethernet(W5500)을 선택했는가? (KR)

이 프로젝트는 **양식장 환경**을 고려하여 Wi-Fi 대신
**WIZnet W5500 기반 Ethernet 통신**을 채택했습니다.

기술적 포인트

**1.네트워크 안정성**

- Wi-Fi 간섭, 신호 약화 문제 없음

- 장시간 연속 운용에 적합

**2. 실시간성**

- 센서 데이터가 1초 단위로 서버에 안정적으로 도달

- ML 예측 결과 지연 최소화

**3. MCU 부하 감소**

- W5500의 하드웨어 TCP/IP 오프로드

- Arduino Uno에서도 충분한 성능 확보

**4. 산업 환경 친화성**

- 실제 양식장, 공장, 펌프실 등 유선 네트워크 환경과 잘 맞음

#### 활용 분야 (KR)

1. 스마트 양식장 (Smart Aquaculture)

- 실시간 수질 모니터링을 통해 어종 폐사 위험 사전 감지

- 환경 변화에 따른 **적합 어종 추천**으로 생산 안정성 향상

2. 소규모·중소 양식 농가

- 고가 장비 없이 **저비용 IoT + Ethernet 기반 시스템** 구축 가능

- 현장 중심의 직관적인 웹 대시보드 제공

3. 교육 및 연구용 플랫폼

- IoT, 네트워크, 머신러닝을 **하나의 프로젝트로 통합 학습**

- 데이터 수집 → 전처리 → 모델 학습 → 서비스까지 전 과정 실습 가능

4. 농업·환경 IoT 확장 모델

- 어종 예측 → 산소 제어, 급이 자동화, 수질 경보 시스템으로 확장 가능

- 수산업 외 농업·환경 모니터링 분야에도 응용 가능

#### 최종 요약 (KR)

본 프로젝트는 **WIZnet W5500 기반 Ethernet 통신**을 활용하여
양식 환경의 수질 데이터를 안정적으로 수집하고,
머신러닝 모델을 통해 **어종 생존 가능성과 최적 환경 조건을 예측하는스마트 양식 관리 시스템**입니다.

IoT 하드웨어, 네트워크, 백엔드 서버, 머신러닝, 웹 대시보드까지
전체 파이프라인을 완성했으며,
실제 양식 환경에 적용 가능한 **현장 중심·저비용·고신뢰성 구조**를 갖춘 것이 특징입니다.

이 프로젝트는 교육용 캡스톤을 넘어
**산업형 IoT + Edge/Server ML 시스템의 현실적인 구현 사례**로서
WIZnet Ethernet 솔루션의 장점을 잘 보여줍니다.

---

Source: https://maker.wiznet.io/Hannah/projects/predicting-aquatic-environment-for-fish-species-survival-using-iot-and-ml/