基于微型机器学习（TinyML）的实时快速视觉鱼类疾病检测系统

本研究针对水产养殖中鱼类疾病快速诊断难题，提出了一种基于微型机器学习（TinyML）技术的创新解决方案。研究人员通过集成YOLO11n轻量目标检测模型与RISC-V微控制器，开发出高效低功耗的实时边缘检测系统，在资源受限环境中实现了mAP50–95达0.736的精准检测，为智能化水产健康管理提供了重要技术支撑。

　　

实时快速视觉鱼类疾病检测系统基于微型机器学习（TinyML）技术构建，该系统通过整合You Only Look Once 11 nano（YOLO11n）轻量级目标检测模型与RISC-V微控制器硬件设计，实现了针对资源受限水产养殖环境的高效、低功耗精准疾病检测。采用边缘计算架构使系统能够在本地完成实时疾病识别，显著降低对云服务的依赖并提升数据安全性。实验结果表明该系统具有优异的性能，在交并比（IoU）阈值0.5至0.95范围内达到平均精度均值（mAP_50–95）0.736，并在实际场景中展现稳定表现。其轻量化特性支持从离岸养殖到小型农场的多样化部署场景，彰显了TinyML技术推动水产养殖智能化管理、实现鱼类健康自动化监测的巨大潜力。