摘要：及早准确的疾病检测，对于管理对虾健康和确保养殖的可持续性至关重要。虽然已经发现了图像处理，但当前的模型往往难以提高准确性，尤其是在检测多种疾病或识别难以检测的症状时。
及早准确的疾病检测，对于管理对虾健康和确保养殖的可持续性至关重要。虽然已经发现了图像处理，但当前的模型往往难以提高准确性，尤其是在检测多种疾病或识别难以检测的症状时。
及早准确发现这种疾病对于管理虾的健康至关重要。
EGS Pillay技术学院，SRM科学与技术学院的研究人员开发了一种使用高级人工智能（AI）来解决这一挑战的新方法，提供了一种更强大，更准确的方法来识别许多不同类型的虾疾病。
一、养虾挑战：早期和准确的检测：
快速识别虾病是一项挑战。传统方法（例如：手动检测或生化检测）可能速度缓慢，且需要大量人力。即使是使用图像处理和标准深度学习模型（如：卷积神经网络 （CNN））的现有自动化系统也存在局限性。他们可能难以：
1、在图像中记录复杂的空间关系，尤其是当难以检测或分析症状时。
2、处理由照明、杂色或其他因素引起的图像质量变化。
3、使用单个模型准确检测各种疾病。
4、这些限制阻碍了及时干预，并可能导致养虾场的重大损失。
快速识别虾病是一项挑战。
二、新的AI解决方案：高级回归网络 （ERCN）：
为了克服这些障碍，研究人员提出了一种称为高级回归网络 （ERCN） 的新模型，并结合了混合优化算法。该深度学习模型专为解决虾病检测的复杂性而设计。
1、高级特征提取：
与传统的CNN不同，ERCN使用囊性（Capsule）网络来更好地了解虾图像中的空间模式和层次结构（例如：疾病指标的位置和方向）。它还包含一个回归层（特别是LSTM）来分析时间依赖性，使其能够在图像序列中跟踪疾病症状如何随时间发展。
2、机制：
该模型利用空间和通道注意力机制作为标记工具，帮助它专注于虾图像中最相关的部分（例如，特定斑点或鳃变色）和提供最多信息来区分疾病的特征，同时忽略不相关的背景噪声。
3、功能整合：
有关局部细节（来自：Capsule）和全局/时间上下文（来自回归层）的信息，通过两级特征整合过程进行组合，以提高准确性。
4、优化：
为了最大限度地提高性能，使用了结合了Harris Hawks Optimization （HHO）和Marine Predators Algorithm （MPA） 的混合优化算法。该算法智能地微调ERCN的参数，以实现尽可能高的准确性。
5、分类：
最终的合并特征包含在分类类中，以识别存在（或不存在）的特定疾病。
三、令人印象深刻的结果：
研究人员使用包含1599张图像的数据集测试了他们优化的ERCN模型，其中包括6种常见的虾病：
1、黑斑病；
2、Taura综合征病毒 （TSV）；
3、白斑综合症病毒 （WSSV）；
4、黄头病毒 （YHV）；
5、传染性造血组织器官坏死病毒（IHHNV）；
6、弧菌病；
虾新的AI解决方案：Advanced Regression Capsule Network （ERCN）
四、结果非常有希望：
1、高准确率：该模型实现了95.2%的总体疾病检测准确率。
2、强大的性能指标：该模型表现出出色的准确性 （94.9%）、恢复能力（93.5%） 和F1分数 （94.6%）。
3、与现有模型相比的优势：在比较测试中，ERCN明显优于CNN、RNN、LSTM、GRU和VGG16等传统深度学习模型。例如，其准确度比这些标准方法高3%到5%。
4、优化和注意力的影响：研究证实，混合和注意力优化机制都可以明显提高模型的性能。仅优化就将准确性提高了6%以上，而与无注意力基本模型相比，添加两个注意力模块则以相似的幅度进一步提高了准确性。
5、实时潜力：该模型显示了实际应用前景，在测试硬件上，每张图像的平均检测时间为58毫秒（大约每秒17帧）。
五、对虾养殖的影响：
这项研究代表了自动虾病检测的重大进展。优化的ERCN模型为以下方面提供了强大的工具：
1、早期预警：比以前的方法更快、更准确地检测白斑病毒 （WSSV）、黄头病毒 （YHV） 或弧菌病等疾病。
2、改进管理：使水产养殖户能够及时采取行动，有可能降低死亡率，并确保养殖塘口的生产力。
3、多病种监测：提供能够识别各种常见虾病的单一、强大的系统。
尽管该模型的计算复杂度高于更简单的算法，但其卓越的检测性能证明了其使用是合理的。未来的研究可能侧重于进一步优化其计算效率。
本研究提出了一种称为高级回归网络 （ERCN） 的优化模型，用于检测各种虾病。优化的ERCN模型可以有效地从病虾的分割图像中捕获空间特征（图像中的模式）和时间特征（随时间的变化）。
试验结果表明，所提模型的出色性能。它的检测准确率达到95.2%，超过了现有的CNN、RNN、LSTM、GRU和VGG16模型（准确率从89.8%到92.3%）。该研究得出的结论是，使用混合优化优化的 ERCN 模型是一种高效且准确的工具，可用于检测虾中的许多疾病，优于传统的深度学习技术。
来源：一号水产
