基于边缘机器学习的白斑综合征病毒(WSSV)监测应用
计算机视觉与模式识别
2023-08-09 v1
摘要
严重依赖虾类出口的水产养殖产业,面临白斑综合征病毒(WSSV)等病毒感染的挑战,这些病毒严重影响产出产量。在此背景下,计算机视觉可在识别熟练或未经训练的人眼无法立即察觉的特征方面发挥重要作用,有望缩短报告 WSSV 感染所需的时间。本研究解决了 WSSV 识别数据有限的问题。开发了一款专用于数据收集和监测的移动应用,以促进图像数据集的创建,从而训练 WSSV 识别模型并改善全国范围的疾病监测。该研究还包括对 WSSV 识别的深入分析,以应对不平衡学习和设备端推理的挑战。所探索的模型 MobileNetV3-Small 和 EfficientNetV2-B0 分别获得了 0.72 和 0.99 的 F1 分数。还观察了两个模型的显著图,以揭示这些模型的“黑箱”本质,并深入了解图像中哪些特征对预测最为重要。这些结果凸显了使用为资源受限设备设计的模型并平衡其准确识别 WSSV 性能的有效性与局限性,为该领域计算机视觉的应用提供了有价值的信息与方向。
引用
@article{arxiv.2308.04151,
title = {Application for White Spot Syndrome Virus (WSSV) Monitoring using Edge Machine Learning},
author = {Lorenzo S. Querol and Macario O. Cordel and Dan Jeric A. Rustia and Mary Nia M. Santos},
journal= {arXiv preprint arXiv:2308.04151},
year = {2023}
}
备注
6 pages, 7 figures, conference