PHÂN TÍCH SO SÁNH ĐỘ HIỆU QUẢ CÁC PHIÊN BẢN MOBILENET ĐỂ PHÁT HIỆN CÁ BỆNH

Abstract

Nuôi trồng thủy sản thông minh đang dần trở nên phổ biến và được áp dụng rộng rãi ở nhiều trang trại nuôi cá, từ quy mô nhỏ đến vừa. Để đảm bảo sản lượng thu hoạch cuối cùng không bị giảm đáng kể do dịch bệnh, việc phát hiện sớm các cá thể cá bị bệnh là rất quan trọng để loại bỏ chúng khỏi môi trường nuôi, từ đó ngăn ngừa sự lây lan nhanh chóng sang các cá thể khác. Mục tiêu chính của việc giải quyết vấn đề này là sử dụng các công nghệ nhận dạng và phân loại thay thế cho các phương pháp phân loại thủ công, giúp tiết kiệm thời gian và giảm đáng kể chi phí trong nuôi trồng thủy sản. Các phiên bản khác nhau của MobileNet được tận dụng để phân loại bệnh trên cá. MobileNet là một mạng nhẹ do kiến trúc của nó có thể được phân tích theo chiều sâu, giảm kích thước mô hình và chi phí tính toán. Việc đào tạo và đánh giá được thực hiện trên bộ dữ liệu SalmonScan, hình ảnh đầu vào được thay đổi kích thước thành 224 x 224, trước đây được một số nhóm nghiên cứu sử dụng. Kết quả thử nghiệm cho thấy MobileNetV1 đạt được khả năng phân loại bệnh hiệu quả trên cá với độ chính xác lần lượt là 96,30% và 95.47% khi có và không có tăng cường dữ liệu, cho thấy sự thành công trong việc xác định các triệu chứng bệnh ở cá. Hơn nữa, so với các nghiên cứu trước đây về tập dữ liệu yêu cầu xử lý thủ công để trích xuất các đặc điểm từ hình ảnh nhằm làm rõ các điểm bệnh trên cá, MobileNets thể hiện sự hỗ trợ mạnh mẽ hơn vì nó có thể tự động tìm hiểu các đặc điểm này trên mạng mà không cần xử lý phức tạp như vậy.