本團隊之方法能以10fps運行於單精度浮點運算力僅24 GFLOPS之樹莓派3上，並達到83.64%之準確度。

低階邏輯型控制系統包含深度控制器、高度控制器、艏向控制器以及垂向避碰控制器，可結合高階智慧型指揮系統一同運作，以實現AUV人工智慧導航控制。高仿真硬體迴路模擬平台貼近實際AUV之軟、硬體配置，有利於AUV人工智慧導航控制系統之開發與測試。

本團隊所提架構與tiny-YOLO相比，網路參數量減少107倍、運算量降低114倍、偵測速度提升61.4倍，準確度差距能維持於6%內。

開發之AUV多代理人控制系統採用資料共享機制，利於提升AUV控制系統之整體運算效率。開發之硬體迴路模擬平台貼近實際AUV之軟、硬體配置，有利於AUV人工智慧導航控制系統之開發與測試。

魚類辨識有助於魚類研究，觀察魚群生活，可用於保護及復興瀕臨絕種之魚類，維持海洋生態之複雜性。觀察過程也有機會拍成影片，向社會大眾宣傳保護海洋的重要性。此外，本計畫產生技術與衍生案預計可以為水下研究帶來更高的便利性與精準度，有助於描繪台灣周邊海底地形與考察相關魚類習性…等，最終可帶來海洋環境保護，與更高的海洋漁貨產能。