La predicción de rendimiento en la acuicultura de línea larga es esencial para evaluar los impactos ambientales, facilitar la evaluación de riesgos y promover la gestión sostenible en la pesca. Sin embargo, dado que los organismos cultivados en la acuicultura de línea larga están sumergidos y no pueden ser observados directamente, los enfoques existentes de predicción de rendimiento se basan principalmente en proxies ambientales indirectos, lo que a menudo conduce a una precisión insatisfactoria. El método de Inversión de Geometría de Sombra para Acuicultura (SGIA) permite una estimación directa y precisa del rendimiento en la acuicultura de línea larga al utilizar el estado de sumersión de las boyas para inferir la carga, que está determinada por el peso de los organismos cultivados y se estima mediante longitudes de sombra combinadas con ángulos de altitud solar y parámetros físicos de las boyas en imágenes de vehículos aéreos no tripulados (UAV) de alta resolución. Se han realizado experimentos en un cuerpo de agua ubicado en Shanghái y Fuding para validar la efectividad del método SGIA. Los mejores resultados se lograron bajo altitudes solares de 10-25 grados y condiciones de agua tranquila. En estas condiciones, los rendimientos predichos por SGIA coincidieron estrechamente con las cargas medidas en el experimento controlado de Shanghái (R2 = 0.985, MAPE = 9.19%). En la aplicación de campo en Fuding, el modelo capturó efectivamente las variaciones espaciales en las cargas de las boyas a través del área de cultivo, demostrando su practicidad y escalabilidad para el mapeo de rendimiento a gran escala en entornos acuícolas reales.