相关实验视频
Updated: Jun 28, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
SalmonScan:一种用于机器学习和深度学习分析的新型图像数据集,用于在水产养殖中检测鱼类疾病
Md Shoaib Ahmed1,2, Samiha Maisha Jeba3
1Department of Computer Science, Boise State University, ID, USA.
Data in brief
|April 22, 2024
概括
一个新的SalmonScan数据集有助于在水产养殖中早期发现鱼类疾病. 这个图像集合支持机器学习模型,以改善鱼健康监测和粮食安全.
科学领域:
- 水产养殖是水产养殖的一种方式.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 鱼类疾病威胁到水产养殖的粮食安全和利能力.
- 早期发现疾病对于减轻经济和环境影响至关重要.
- 鱼水产养殖是一个快速增长的全球粮食生产系统.
研究的目的:
- 介绍SalmonScan数据集用于健康和感染的鱼图像分析.
- 为开发和测试水产养殖中的计算机视觉模型提供资源.
- 促进关于鱼健康,行为和生物质估计的研究.
主要方法:
- 从在线来源和水产养殖企业收集的图像.
- 根据鱼的健康状况,标记图像为"新鲜"或"感染".
- 应用数据增强技术 (旋转,裁剪,翻转,缩放) 以提高数据集的稳定性.
主要成果:
- 鱼扫描数据集包括456张新鲜鱼的图像和752张感染鱼的图像.
- 数据集多样化,包容性强,质量高.
- 数据集是公开可用的,用于研究和实际应用.
结论:
- 鱼扫描数据集是促进水产养殖中鱼类疾病检测的宝贵资源.
- 它可以开发和评估用于鱼监测的机器学习和深度学习模型.
- 促进对鱼类健康环境影响的研究和先进人工智能技术的应用.
