在中基于CNN识别令人担忧的病原体
Tharyar Aung1, Rapeepun Vanichviriyakit2,3, Kittisak Chayantrakom1,4
1Department of Mathematics, Faculty of Science, Mahidol University, Bangkok 10400, Thailand.
Animals : an open access journal from MDPI
|November 13, 2025
概括
这项研究引入了AI驱动的疾病的诊断,如AHPND,HPV和EHP. 卷积神经网络实现了超过95%的准确性,使水产养殖中有效的实时健康监测成为可能.
科学领域:
- 水产养殖是水产养殖的一种方式.
- 动物卫生 动物健康
- 人工智能在生物学中的应用
背景情况:
- 养殖面临着严重的经济损失,原因是疾病,如急性肝胰腺亡病 (AHPND),肝胰腺帕尔沃病毒 (HPV) 感染,和肠生菌肝 (EHP) 微型菌.
- 这些疾病会损害肝,影响的健康,生长,增加对其他感染的易感性,需要准确和及时的诊断以进行有效的管理.
研究的目的:
- 研究两个卷积神经网络 (CNN) 架构的有效性,即EfficientNet和MobileNet,用于诊断关键的病.
- 评估轻量级CNN模型在养殖中实时,可扩展和具有成本效益的健康监测的潜力.
主要方法:
- 一个精心策划的健康指标数据集被用于微调EfficientNet和MobileNet CNN模型.
- 一个标准化的定制分类头被用于对CNN的骨干进行受控比较.
主要成果:
- 无论是EfficientNet还是MobileNet架构都实现了超过95%的诊断准确度.
- 移动网络证明了更快的推断时间,使其适合在水产养殖环境中进行现场部署.
结论:
- 基于CNN的轻量级诊断工具几乎可以实现实时健康监测.
- 这些人工智能驱动的解决方案可以弥合实验室诊断和现场可用性之间的差距,改善疾病管理和减少养殖业的经济损失.
