NT-Phương pháp mới phát hiện bệnh cá dựa trên hình ảnh

2021-10-08 16:32:48

Phương pháp mới phát hiện bệnh cá dựa trên hình ảnh

Rận trên cá hồi. Ảnh: Mack Bartlett.

Chúng ta tiếp cận phương pháp xử lý hình ảnh giúp phát hiện và chẩn đoán bệnh trên cá nuôi.

Nuôi trồng thủy sản là một trong những ngành sản xuất thực phẩm phát triển nhanh nhất toàn cầu, với gần 53% tổng sản lượng cá, động vật không xương sống và chiếm 97% tổng sản lượng rong biển tính đến năm 2020.

Dịch bệnh có tác động bất lợi với cá trong môi trường tự nhiên và trong nuôi trồng thủy sản. Bùng phát dịch bệnh đang là mối đe dọa cho sự phát triển của nuôi trồng thủy sản trên toàn cầu. Vi khuẩn, vi rút, động vật nguyên sinh và ký sinh trùng gây ra các bệnh truyền nhiễm và gây thiệt hại nặng nề cho cá nuôi. Bởi khi nuôi cá với số lượng lớn trong một khu vực nhỏ như ao, bè…tạo ra một điều kiện thuận lợi cho sự phát triển và lây lan nhanh chóng của mầm bệnh truyền nhiễm.


Hình ảnh cá hồi bị bệnh được sử dụng trong nghiên cứu.

Phát hiện bệnh trên cá nuôi nói chung và cá hồi nói riêng là một lĩnh vực nghiên cứu quan trọng cần được chú trọng nhất là trong lĩnh vực tự động. Md ShoaibAhmed và cộng sự 2021 đã tiến hành nghiên cứu về phân loại bệnh của cá hồi, phát hiện xem cá có bị nhiễm trùng hay không, bằng kỹ thuật dựa trên thị giác máy tính. Mục tiêu chính của nghiên cứu là phân loại cá hồi bị nhiễm bệnh và cá hồi không nhiễm.

Công việc này chia thành hai phần: 

Phần đầu: Xử lý hình ảnh và áp dụng kỹ thuật phân đoạn. Đầu tiên, hình ảnh đầu vào có kích thước bất kỳ được chuyển đổi và phóng đại với kích thước cố định là 600 x 250 pixel. Sau đó, hình ảnh được phân đoạn thành các vùng khác nhau. 

Trong hầu hết các ứng dụng của lĩnh vực xử lý ảnh (image processing), thị giác máy tính, phân đoạn ảnh luôn đóng một vai trò cơ bản và thường là bước xử lý đầu tiên trong toàn bộ quá trình trước khi thực hiện các thao tác khác ở mức cao hơn như nhận dạng đối tượng… Phân đoạn ảnh - một kỹ thuật xử lý ảnh phổ biến – thực hiện việc phân vùng các vùng khác nhau trong một ảnh mà không làm mất thông tin.

Trong phần thứ hai, trích xuất các tính năng liên quan để phân loại bệnh với sự trợ giúp của thuật toán SVM. Các hình ảnh đã xử lý của phần đầu tiên sẽ đi qua mô hình SVM này sẽ đưa ra kết quả cá bị nhiễm bệnh hay không. 

Để đảm bảo độ chính xác cao, các nhà khoa học chọn một thuật toán học máy rất hiệu quả được gọi là máy vector hỗ trợ. Support Vector Machine (SVM) được biết đến là một trong những thuật toán học có giám sát hàng đầu sử dụng cho phân loại.

Với hình ảnh đầu vào, các kỹ thuật xử lý hình ảnh (phân đoạn ảnh…) được sử dụng để tách các đặc điểm ra khỏi hình ảnh, sau đó một máy vectơ hỗ trợ (SVM) được sử dụng để phân loại thành công cá bị bệnh truyền nhiễm.

Các nhà nghiên cứu cũng đã đánh giá khả năng SVM được áp dụng với độ chính xác lần lượt là 91,42 với hình ảnh phóng đại và 94,12% hình ảnh bình thường.

Kết quả này góp phần gợi ý một hệ thống phát hiện bệnh cá tự động ưu việt dựa trên xử lý hình ảnh với độ chính xác cao. Trong tương lai, đây có thể là một một giải pháp cho người nuôi để xác định cá bị nhiễm bệnh và thực hiện các biện pháp xử lý góp phần giảm thiệt hại bất ngờ trong quá trình nuôi.

Theo tepbac.com


Xem thêm

NT-4 yếu tố giúp tôm lột xác đều

Là một trong những nguyên nhân chủ yếu làm tôm khó lột xác. Tôm thiếu dinh dưỡng sẽ không đủ chất để làm đầy vỏ nên vỏ không nứt ra để lột xác.












Cộng Ngay 10.000 Cho 100% Khách Hàng