YOLO-TPS: Un modelo sinérgico de alta precisión de detección de enfermedades de peces para entornos acuícolas...

Área de la Ciencia:

• La acuicultura
• Sanidad animal
• Visión por computadora

Sus antecedentes:

• La acuicultura es crucial para la seguridad alimentaria mundial, pero está amenazada por las enfermedades de los peces.
• El diagnóstico manual de enfermedades es ineficiente e inexacto, lo que dificulta la acuicultura sostenible.
• Detectar lesiones pequeñas y variadas en entornos complejos es un desafío.

Objetivo del estudio:

• Desarrollar un modelo de detección de enfermedades de los peces de alta precisión (YOLO-TPS) para la acuicultura.
• Para abordar las limitaciones en la detección de lesiones pequeñas, variación de tamaño y complejidad de fondo.
• Mejorar la precisión y eficiencia del diagnóstico de las enfermedades de los peces.

Principales métodos:

• Se utilizó una arquitectura YOLOv11n mejorada.
• Se integró una estrategia de sinergia de varios módulos y un mecanismo de triple atención.
• Se incorporaron los módulos SPPF_TSFA y PC_Shuffleblock, junto con una función de pérdida dinámica de IoU (SDIoU) consciente de la escala.

Principales resultados:

• El modelo YOLO-TPS logró un rendimiento superior: mAP0.5: 97.2%, Precisión: 97.9%, Recuerdo: 95.1%.
• Se ha demostrado una mejor extracción de características a escala múltiple y una conciencia espacial.
• Superó al modelo de referencia en la detección de enfermedades de los peces en seis categorías.

Conclusiones:

• YOLO-TPS ofrece una solución robusta y escalable para el diagnóstico inteligente de enfermedades de los peces.
• El modelo mejora significativamente la detección temprana de lesiones y la precisión del diagnóstico.
• Esta tecnología apoya la acuicultura sostenible y el control eficaz de la salud animal.