基于部分分割方法和 lesion 图像生成的Flatfish皱损检测

平扇鱼是全球大规模养殖消费的主要鱼类。然而，由于养殖环境拥挤，平扇鱼易患皱损和疾病，使早期皱损检测至关重要。传统方法通过视觉检查检测，但观察大量鱼类具有挑战。基于深度学习技术的自动化方法已被广泛应用以解决此问题，但由于鱼类多样性和缺乏鱼类皱损和疾病数据集，准确检测仍困难。本研究采用生成对抗网络和图像和谐化方法扩充鱼类皱损图像。随后，针对三个身体部位（头部、鳍和身体）分别训练皱损检测器，以妥善处理各部位的皱损。此外，创建了一个名为FlatIMG的平扇鱼皱损和疾病图像数据集，并通过该数据集验证所提方法。还测试了闪光三文鱼皱损数据集以验证方法的通用性。实验结果显示，所提方法的性能比基准框架高出12%。本研究首次构建高质量标注详尽的平扇鱼皱损图像数据集，提出有效的皱损检测框架。该方法可实现养殖环境中皱损和疾病的自动化监测。