鱼病实时检测系统的研制与试验

为实现集约化水产养殖中的鱼类因病毒细菌等感染体表病症的快速、准确识别,帮助养殖户快速了解养殖池内的鱼病危害程度和分布情况,基于改进的 YOLOv5结合嵌入式技术设计一套鱼病的快速检测系统.使用改进过的YOLOv5神经网络模型生成鱼病的候选框,实现对鱼病的快速定级分类.检测系统根据候选框的数据对鱼病进行计数、分类,鱼病危害分类按正常、轻度、重度划分,结合患病鱼数形成对鱼病危害程度定量化测评的体系,最后引入GPRS模块获取检测点的位置信息,在软件端形成鱼病的热力图.模型测试结果表明:改进后的 YOLOv5模型检测精准率为99.75%,召回率为93.21%,测试模型mAP50、mAP50:95对比原YOLOv5模型在帧数轻微下降3.22帧的情况下AP达到99.38%、88.09%,表明其拥有出色性能,改进后模型内存下降至13.6 MB.改进后YOLOv5模型体积更小,性能优越稳定强,适宜部署在鱼病检测嵌入式系统中.系统整体测试结果表明:系统能够实时的检测鱼病的发生,检测时系统能按正常,轻度,重度划分鱼病,并将鱼病的情况结合定位系统形成可视化的热力图像.