La acuicultura peruana está en auge, por lo que amerita tecnificarla abordando una perspectiva sostenible y competitiva. El objetivo de la revisión fue identificar el panorama actual de la acuicultura peruana y los factores que limitan su desarrollo; así mismo, analizar los beneficios del uso de herramientas tecnológicas en la acuicultura. Para ello, se aplicó una metodología de revisión basado en tres fases: i) elaboración de la pregunta de investigación; ii) búsqueda de documentos; y ii) revisión y selección de estudios. Se utilizó motor de búsqueda google académico, bases de datos Scopus, ScienceDirect, Web of Science (WOS), Scielo y Redalyc. La revisión permitió afirmar que, la acuicultura en Perú es desarrollada en pocas regiones y con escasas especies. Según PNIPA, los factores que limitan su desarrollo están relacionados al incumplimiento de normas sanitarias vigentes, embarcaciones no inscritas en Registros Públicos y la ausencia de controles de acreditación para pescadores artesanales. La tecnificación en el proceso de alimentación permite reducir costos operativos. Los sensores permiten visualizar la variación de los parámetros en tiempo real reduciendo el índice de mortalidad en los peces. El conteo y clasificación automática reduce el estrés del pez y evita el perjuicio económico de la producción. Se concluye que, para lograr la tecnificación acuícola, se deben realizar trabajos articulados entre gobierno y productores, implantando políticas y estrategias que garanticen mayor rentabilidad y sostenibilidad en el tiempo.

Fish larvae counting is a technique applied in aquaculture to determine the efficiency of the induction stage and to know the number of fertilized larvae. For this reason, the research aims to improve the count of larvae under 3 fundamental pillars: precision, error and time. For this, we carried out an experimental investigation under a completely randomized design with two counting systems: traditional and artificial vision; each one with 10 repetitions, with 2000 larvae; Later, we carried out the count by means of artificial vision using a camera that captured images of a fish tank with moving fish. The results show that the proposed method is feasible for counting larvae, with 92.65% accuracy, 7.41% error and an average time of 61 seconds per repetition in relation to the traditional counting system: accuracy 64.44%, error 35.61% and time 2009.3 s. The developed system can be replicated in the aquaculture sector due to its effectiveness and cost.