YOLO-TPS:複雑な養殖環境のための多モジュールの高精度シネジスティック魚病検出モデル
Cheng Ouyang1, Hao Peng1, Mingyu Tan1
1College of Information and Intelligence, Hunan Agricultural University, Changsha 410128, China.
Animals : an open access journal from MDPI
|August 28, 2025
まとめ
新しいAIモデルであるYOLO-TPSは 魚の病気を正確に検出し 水産物の持続可能性と食料安全保障を向上させます この高度なシステムにより 魚の健康状態を 早期に検出できます
科学分野:
- アクアカルチャー
- 動物保健
- コンピュータ・ビジョン
背景:
- 水産養殖は世界の食糧安全保障に不可欠ですが 魚の病気によって脅かされています
- 手動の病気診断は非効率で不正確で,持続可能な養殖を妨げています.
- 複雑な環境で小さな様々な病変を 検出することは困難です
研究 の 目的:
- 養殖用高精度魚病検出モデル (YOLO-TPS) を開発する.
- 小傷の検出,サイズ変化,背景の複雑さの限界に対処する.
- 魚の病気の診断の正確性と効率性を向上させる
主な方法:
- 改良されたYOLOv11nアーキテクチャが利用されました.
- マルチモジュール・シナジー戦略とトリプル・アテンション・メカニズムが統合されました.
- SPPF_TSFAとPC_Shuffleblockモジュールは,スケール認識ダイナミックIoU損失関数 (SDIoU) とともに組み込まれました.
主要な成果:
- YOLO-TPSモデルは優れた性能を達成しました: mAP0.5: 97.2%,精度: 97.9%,リコール: 95.1%.
- マルチスケール機能抽出と空間認識の強化が実証されています.
- 6つのカテゴリーで魚の病気を検出する基準モデルを上回った.
結論:
- YOLO-TPSは 魚の病気の診断に 強力でスケーラブルなソリューションを提供します
- このモデルは早期の病変検出と 診断の精度を大幅に改善します
- この技術は持続可能な養殖と 効果的な動物健康監視を支援します
関連する概念動画
02:32Osmoregulation in Fishes
50.4K
When cells are placed in a hypotonic (low-salt) fluid, they can swell and burst. Meanwhile, cells in a hypertonic solution—with a higher salt concentration—can shrivel and die. How do fish cells avoid these gruesome fates in hypotonic freshwater or hypertonic seawater environments?
50.4K
01:14Testing Water Quality
179
When the quality of water for concrete preparation is uncertain, its impact on the setting time of cement and compressive strength of mortar is assessed by comparison with de-ionized or distilled water benchmarks. American Society for Testing and Materials (ASTM) C1602 requires the setting times to be within 90 minutes of the control, British Standard (BS) 3146:1980 allows a 30-minute variance in the initial setting, while British Standards European Norm (BS EN) 1008 specifies initial setting...
179