[發(fā)明專利]一種基于圖像識(shí)別技術(shù)的海水魚刺激隱核蟲病的診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210669598.8
• 申請(qǐng)日: 2022-06-14
• 公開（公告）號(hào): CN115458151A
• 公開（公告）日: 2022-12-09
• 發(fā)明（設(shè)計(jì)）人: 周理耀;尹飛;蔣林華;謝驍;徐冰埼;劉奧偉
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 寧波甬致專利代理有限公司 33228
• 代理人: 高瑞霞

本發(fā)明涉及一種基于圖像識(shí)別技術(shù)的海水魚刺激隱核蟲病的診斷方法，該方法采集患有隱核蟲病的大黃魚圖像、健康的大黃魚圖像、具有包囊的養(yǎng)殖桶底圖像和無(wú)包囊的養(yǎng)殖桶底圖像，通過(guò)計(jì)算機(jī)圖像處理技術(shù)對(duì)所選取的大黃魚圖像中的魚體背鰭以及所選取的養(yǎng)殖桶底圖像中的包囊分別進(jìn)行人工手動(dòng)標(biāo)注，建立小規(guī)模圖像數(shù)據(jù)集，經(jīng)數(shù)據(jù)擴(kuò)增后利用deeplabv3+深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)養(yǎng)殖桶底圖像進(jìn)行分類、魚體圖像背鰭進(jìn)行提取，分別建立了刺激隱核蟲病病原識(shí)別模型和大黃魚背鰭提取模型。隨后，背鰭圖像經(jīng)增強(qiáng)處理后進(jìn)行分割，利用EfficientNet網(wǎng)絡(luò)模型進(jìn)行遷移學(xué)習(xí)，建立高效識(shí)別、低網(wǎng)絡(luò)參數(shù)、高準(zhǔn)確性的大黃魚刺激隱核蟲病病征圖像識(shí)別模型，實(shí)現(xiàn)了隱核蟲病病原和病征的雙識(shí)別，有效的做到了隱核蟲病的早期預(yù)警監(jiān)測(cè)，大大提高了疫病診斷的準(zhǔn)確性和時(shí)效性，為隱核蟲病的及時(shí)治療打下了基礎(chǔ)。

技術(shù)領(lǐng)域

本發(fā)明涉及水產(chǎn)動(dòng)物病蟲害診斷技術(shù)領(lǐng)域，尤其是涉及一種基于圖像識(shí)別技術(shù)的海水魚刺激隱核蟲病的診斷方法。

背景技術(shù)

刺激隱核蟲(Cryptocaryon irritans)是隱核蟲病的病原。研究證實(shí)，除少數(shù)幾種如黃斑籃子魚和黃姑魚對(duì)隱核蟲的敏感性較低外，隱核蟲能較易感染其他的海洋硬骨魚類。養(yǎng)殖魚一旦被感染，其體表常呈現(xiàn)肉眼可見(jiàn)的白點(diǎn)，因此該病也被稱之為“海水魚白點(diǎn)病”。該寄生蟲繁殖迅速，在疾病發(fā)作期間，魚體從輕微的早期感染到下一輪強(qiáng)化感染僅需一周。特別是在空間相對(duì)封閉的工廠化高密度養(yǎng)殖中，隱核蟲一旦進(jìn)入養(yǎng)殖系統(tǒng)，其數(shù)量將呈指數(shù)級(jí)增加，如果不及時(shí)發(fā)現(xiàn)并采取相應(yīng)的防治措施，將會(huì)在較短時(shí)間內(nèi)造成養(yǎng)殖魚體的大規(guī)模死亡。因此，海水魚刺激隱核蟲病有效防治的前提是該疫病的早期診斷。

多年來(lái)，許多研究旨在尋找一種隱核蟲病高效快速的診斷方法。目前，主要的診斷方法包括表觀診斷和分子生物學(xué)診斷兩種。表觀診斷簡(jiǎn)單快捷，但當(dāng)魚體出現(xiàn)明顯可見(jiàn)的癥狀時(shí)，也正是病害發(fā)生的高峰，此時(shí)魚體已經(jīng)“病入膏肓”。此外，其它相似的病癥也會(huì)給養(yǎng)殖者帶來(lái)迷惑。分子生物學(xué)方法對(duì)病害的診斷較為準(zhǔn)確、高效，但對(duì)檢測(cè)人員的專業(yè)素質(zhì)及設(shè)備要求較高，且僅能在實(shí)驗(yàn)室條件下完成。因此，尋求一種智能高效、簡(jiǎn)單快捷的海水魚隱核蟲病的診斷方法勢(shì)在必行。

近年來(lái)，隨著農(nóng)業(yè)信息化的高速發(fā)展，計(jì)算機(jī)技術(shù)已逐漸用于農(nóng)業(yè)發(fā)展的多個(gè)領(lǐng)域。計(jì)算機(jī)視覺(jué)就是其中的一種，已逐漸從人文領(lǐng)域向農(nóng)業(yè)市場(chǎng)發(fā)展，在農(nóng)產(chǎn)品的分類、鑒別以及作物病害的識(shí)別中都取得了一定的成效。Srdjan等人就基于深度神經(jīng)網(wǎng)絡(luò)，建立了植物葉片病害識(shí)別的模型，精度高達(dá)96.30％；王細(xì)萍等人基于積卷神經(jīng)網(wǎng)絡(luò)和時(shí)變沖量學(xué)習(xí)方法，建立了蘋果病變圖像識(shí)別模型，精度高達(dá)97.45％；然而，在海水魚養(yǎng)殖中，刺激隱核蟲感染魚體后，它們的體表和鰭將呈現(xiàn)邊緣明顯可見(jiàn)的白點(diǎn)。此外，魚體上的白點(diǎn)成熟后將自發(fā)的脫落到養(yǎng)殖池底，形成了具有一定形狀、尺寸和顏色的物質(zhì)(包囊)。因此，針對(duì)海水魚隱核蟲病圖像識(shí)別系統(tǒng)的建立不僅可行，還有望推動(dòng)水產(chǎn)養(yǎng)殖業(yè)朝智能化方向發(fā)展。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供網(wǎng)絡(luò)參數(shù)低、識(shí)別效率高，并且識(shí)別準(zhǔn)確度高的基于圖像識(shí)別技術(shù)的海水魚刺激隱核蟲病的診斷方法。

本發(fā)明所采用的技術(shù)方案是，一種基于圖像識(shí)別技術(shù)的大黃魚刺激隱核蟲病的診斷方法，該方法包括下列步驟：

S1、采集患有隱核蟲病的大黃魚圖像、健康的大黃魚圖像、具有包囊的養(yǎng)殖桶底圖像和無(wú)包囊的養(yǎng)殖桶底圖像；

S2、從步驟S1中采集的所有圖像中選取部分患有隱核蟲病的大黃魚圖像、部分健康的大黃魚圖像以及部分具有包囊的養(yǎng)殖桶底圖像，對(duì)所選取的大黃魚圖像中的魚體背鰭以及所選取的養(yǎng)殖桶底圖像中的包囊分別進(jìn)行人工手動(dòng)標(biāo)注，分別得到若干張具有標(biāo)記的的圖像，并分別儲(chǔ)存在兩個(gè)文件夾中；