摘要
从红绿蓝（RGB）图像中识别牙鲆（Paralichthys olivaceus）的可见疾病症状，需要区分组织病变与伪装色、反光以及体型的正常变异。为应对这一挑战，本研究提出了一种渐进式候选修正方法，该方法保留类别特定的症状候选区域，并利用症状位置和视觉特征作为支持性或抑制性线索来调整其响应。评估使用了1461张按个体划分的RGB图像。原始的训练与验证输入准备使用真实症状标注配合鱼体掩膜来确定裁剪区域和背景保留范围。在此准备条件下，在训练阶段校准并固定阈值用于验证的情况下，该方法捕获了71.9%的标注症状区域，而直接语义分割方法的捕获率为49.3%–63.1%。在单独校准的工作点下，修正前后的捕获率相近（72.0%和71.9%），标注外的候选区域面积从鱼体区域的93.1%降低至21.7%，标注外类别特定候选区域中允许部分的吻合率从42.0%提升至92.2%。补充实验采用仅基于鱼体掩膜的输入准备方案进行全模型重新训练，获得了71.2%的捕获率，但允许部分吻合率、辅助分割重叠率以及部分症状类别的捕获率较低。所提出的方法可帮助在水产养殖中优先识别可见症状以进行后续检查，可作为筛查辅助工具，但不能替代诊断性检查。
