水产养殖中基于图像的机器学习技术的鱼类疾病检测

水产养殖中的鱼类疾病对粮食安全构成重大威胁。由于必要基础设施的匮乏，在早期阶段识别养殖中的染病鱼类仍具挑战性。及时识别染病鱼是阻止疾病传播的强制性步骤。本工作中，我们旨在发现水产养殖中的三文鱼鱼病，因为三文鱼养殖是全球增长最快的食品生产系统，占市场的 70%（250 万吨）。结合完备的图像处理与机器学习机制，我们识别由各类病原体引起的染病鱼。本工作分为两部分。在基础部分，分别应用图像预处理与分割来降噪并增强图像。在第二部分，我们提取相关特征，借助带核函数的机器学习支持向量机（SVM）算法对疾病分类。第一部分的已处理图像传入该（SVM）模型。随后我们在所用三文鱼图像数据集上以所提技术组合进行了综合实验以检验鱼病。我们在一个包含与不包含图像增强的新数据集上开展此工作。结果带来如下判断：所应用的 SVM 分别在不增强与增强时取得了 91.42% 和 94.12% 的显著准确率。