La acuaponía es un área emergente de las ciencias agrícolas que combina la acuicultura y la hidroponía de manera simbiótica para mejorar la producción de cultivos. Un sistema acuapónico inteligente estable requiere estimar el tamaño de los peces en tiempo real. Aunque el aprendizaje profundo ha mostrado promesas en el contexto de la acuaponía inteligente, la mayoría de los sistemas inteligentes son extremadamente lentos y costosos y no pueden ser implementados a gran escala. Por lo tanto, diseñamos y presentamos una nueva computadora neuromórfica que utiliza redes neuronales de disparo (SNNs) para estimar no solo la longitud, sino también el peso de los peces. Para entrenar el SNN, presentamos un esquema híbrido novedoso en el que algunas de las capas neuronales se entrenan utilizando retropropagación directa de SNN, mientras que otras se entrenan utilizando retropropagación estándar. Al hacer esto, se puede lograr una combinación de alta eficiencia de hardware y precisión. La computadora propuesta puede clasificar más de 84 millones de muestras de peces en un segundo, logrando una aceleración de al menos 3369 veces sobre las computadoras tradicionales de propósito general. El SpikoPoniC consume menos de 1100 registros de corte en Virtex 6 y es mucho más barato que la mayoría de los sistemas de hardware basados en SNN. Hasta donde sabemos, este es el primer sistema neuromórfico basado en SNN que realiza un monitoreo inteligente en tiempo real de la acuaponía.