[发明专利]一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法

说明书

本发明涉及一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法，该方法采集患有隐核虫病的大黄鱼图像、健康的大黄鱼图像、具有包囊的养殖桶底图像和无包囊的养殖桶底图像，通过计算机图像处理技术对所选取的大黄鱼图像中的鱼体背鳍以及所选取的养殖桶底图像中的包囊分别进行人工手动标注，建立小规模图像数据集，经数据扩增后利用deeplabv3+深度学习网络对养殖桶底图像进行分类、鱼体图像背鳍进行提取，分别建立了刺激隐核虫病病原识别模型和大黄鱼背鳍提取模型。随后，背鳍图像经增强处理后进行分割，利用EfficientNet网络模型进行迁移学习，建立高效识别、低网络参数、高准确性的大黄鱼刺激隐核虫病病征图像识别模型，实现了隐核虫病病原和病征的双识别，有效的做到了隐核虫病的早期预警监测，大大提高了疫病诊断的准确性和时效性，为隐核虫病的及时治疗打下了基础。

技术领域

本发明涉及水产动物病虫害诊断技术领域，尤其是涉及一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法。

背景技术

刺激隐核虫(Cryptocaryon irritans)是隐核虫病的病原。研究证实，除少数几种如黄斑篮子鱼和黄姑鱼对隐核虫的敏感性较低外，隐核虫能较易感染其他的海洋硬骨鱼类。养殖鱼一旦被感染，其体表常呈现肉眼可见的白点，因此该病也被称之为“海水鱼白点病”。该寄生虫繁殖迅速，在疾病发作期间，鱼体从轻微的早期感染到下一轮强化感染仅需一周。特别是在空间相对封闭的工厂化高密度养殖中，隐核虫一旦进入养殖系统，其数量将呈指数级增加，如果不及时发现并采取相应的防治措施，将会在较短时间内造成养殖鱼体的大规模死亡。因此，海水鱼刺激隐核虫病有效防治的前提是该疫病的早期诊断。

多年来，许多研究旨在寻找一种隐核虫病高效快速的诊断方法。目前，主要的诊断方法包括表观诊断和分子生物学诊断两种。表观诊断简单快捷，但当鱼体出现明显可见的症状时，也正是病害发生的高峰，此时鱼体已经“病入膏肓”。此外，其它相似的病症也会给养殖者带来迷惑。分子生物学方法对病害的诊断较为准确、高效，但对检测人员的专业素质及设备要求较高，且仅能在实验室条件下完成。因此，寻求一种智能高效、简单快捷的海水鱼隐核虫病的诊断方法势在必行。

近年来，随着农业信息化的高速发展，计算机技术已逐渐用于农业发展的多个领域。计算机视觉就是其中的一种，已逐渐从人文领域向农业市场发展，在农产品的分类、鉴别以及作物病害的识别中都取得了一定的成效。Srdjan等人就基于深度神经网络，建立了植物叶片病害识别的模型，精度高达96.30％；王细萍等人基于积卷神经网络和时变冲量学习方法，建立了苹果病变图像识别模型，精度高达97.45％；然而，在海水鱼养殖中，刺激隐核虫感染鱼体后，它们的体表和鳍将呈现边缘明显可见的白点。此外，鱼体上的白点成熟后将自发的脱落到养殖池底，形成了具有一定形状、尺寸和颜色的物质(包囊)。因此，针对海水鱼隐核虫病图像识别系统的建立不仅可行，还有望推动水产养殖业朝智能化方向发展。

发明内容

本发明所要解决的技术问题是提供网络参数低、识别效率高，并且识别准确度高的基于图像识别技术的海水鱼刺激隐核虫病的诊断方法。

本发明所采用的技术方案是，一种基于图像识别技术的大黄鱼刺激隐核虫病的诊断方法，该方法包括下列步骤：

S1、采集患有隐核虫病的大黄鱼图像、健康的大黄鱼图像、具有包囊的养殖桶底图像和无包囊的养殖桶底图像；

S2、从步骤S1中采集的所有图像中选取部分患有隐核虫病的大黄鱼图像、部分健康的大黄鱼图像以及部分具有包囊的养殖桶底图像，对所选取的大黄鱼图像中的鱼体背鳍以及所选取的养殖桶底图像中的包囊分别进行人工手动标注，分别得到若干张具有标记的的图像，并分别储存在两个文件夹中；