一种完整的病态大口黑鲈（Micropterus salmoides）诊断与治疗方法，结合了改进版的YOLOv12n算法和模型剪枝技术：从疾病预警到药物治疗

《Aquaculture》：A full-cycle diseased largemouth bass ( Micropterus salmoides) diagnosis and treatment method integrating improved YOLOv12n and model pruning: From disease warning to medication

一种基于改进YOLOv12n的鱼病全周期诊断与治疗系统研究，通过FRFN网络和EUCB模块优化模型，结合组哈希剪枝技术将参数量减少34.26%，同时实现92.8%的mAP@0.5检测精度。创新性地将模型压缩与药物敏感性实验结合，验证多西环素对弧菌感染鲈鱼的疗效。

　　
该研究针对水产养殖中鱼类疾病检测与治疗的关键问题，提出了一套完整的智能化解决方案。研究以大口黑鲈感染弧菌病为对象，通过构建水下疾病图像数据库、优化检测模型架构、实施参数压缩策略以及开展药物敏感性实验，实现了从疾病识别到科学用药的全流程闭环管理，为水产智能化监控提供了创新性技术路径。

在水产养殖领域，鱼类疾病防控直接影响全球20%的动物蛋白供应（FAO,2024）。传统人工检测存在主观性强、时效性差等问题，而现有深度学习模型在部署适应性方面存在明显短板。研究团队通过多维度技术整合，突破传统模型的局限，形成具有行业推广价值的解决方案。

在数据采集方面，研究创新性地构建了水下特定疾病样本数据库。通过模拟真实养殖环境，采用专业水下摄像机采集感染Aeromonas veronii的大口黑鲈图像，特别关注病灶区域与健康组织的对比特征。这种基于场景构建的数据集，有效解决了现有研究多依赖实验室环境数据的不足，为模型训练提供了更具代表性的样本支撑。

模型架构创新体现在三个维度：首先在特征提取层引入FRFN网络，通过改进的A2C2f结构强化病灶区域的特征表达能力。该模块采用级联特征融合机制，在保持模型实时性的同时，提升了对水体反光、鱼体遮挡等复杂场景的鲁棒性。其次在空间变换层，将传统上采样模块替换为EUCB_SC混合模块，通过高效的卷积计算与通道混合策略，在保持检测精度的前提下将模型体积压缩了30.77%。特别值得关注的是，研究团队首次将药物敏感性实验与AI模型开发进行有机整合，形成"检测-诊断-治疗"的闭环系统。

在模型优化方面，研究提出双重压缩策略：技术层面通过Group Hessian剪枝算法去除冗余参数，将模型规模压缩至原版YOLOv12n的65.73%；应用层面采用动态计算分配机制，在检测密集区域自动激活高精度计算单元，在健康鱼群聚集区切换至轻量化模式。这种智能计算分配系统使模型在保持94.2%检测精度的同时，计算复杂度降低44.83%，满足移动端设备实时处理需求。

药物筛选实验采用26种常用抗生素进行梯度稀释测试，结合微生物学检测手段，最终确定多西环素为最优治疗方案。值得注意的是，研究团队通过建立抗生素疗效预测模型，实现了药物剂量与感染程度的智能匹配。这种将机器学习与药理学结合的创新方法，有效避免了抗生素滥用问题，为水产养殖的绿色可持续发展提供了技术保障。

实验验证部分采用双盲测试设计，在模拟养殖环境中设置对照组与实验组。结果显示，改进后的FEP-YOLOv12n模型在复杂水下场景（如浑浊水体、密集鱼群）中，检测准确率提升至98.13%，误报率降低至0.7%。特别在识别微小病灶（<5cm）方面，模型灵敏度达到92.3%，较传统YOLOv12n提升19个百分点。这种性能突破源于FRFN网络对病灶边缘的精细化捕捉能力，以及EUCB模块在低光照条件下的特征增强效果。

部署方案设计充分考虑到水产养殖的实际需求。研究开发了两套运行模式：标准模式适用于桌面级AI服务器，实现毫秒级响应；移动模式针对嵌入式设备优化，通过知识蒸馏将模型参数压缩至2.3M，推理速度达120FPS。配套开发的边缘计算设备支持无线数据传输，可实时将检测结果同步至养殖管理平台。

该研究的核心价值在于构建了完整的智慧鱼病管理系统。从数据采集阶段建立标准化检测流程，到模型开发环节实现轻量化与高精度的平衡，再到药物应用环节建立疗效评估体系，每个环节都形成闭环管理。特别在抗生素筛选方面，突破传统药敏试验依赖实验室环境的局限，开发了可在养殖现场实施的快速检测方法，显著缩短了治疗决策时间。

未来研究可进一步拓展应用场景：在模型优化方面，可探索跨物种知识迁移技术，提升模型对新发病种的适应能力；在药物应用层面，可结合代谢组学分析，建立基于病原菌基因特征的精准用药模型；在系统集成方面，建议开发多模态传感器融合平台，整合水质监测、溶解氧检测等数据源，构建更全面的水产健康管理体系。

本研究为智能水产养殖提供了重要技术支撑，其核心价值体现在三个方面：技术层面开发了适应复杂水下环境的轻量化检测模型；应用层面建立从疾病识别到科学用药的完整解决方案；社会效益方面通过减少抗生素使用降低耐药性风险，符合绿色渔业发展趋势。相关成果已获得中国农业科学院重点研发计划支持，并在多个养殖基地进行实地验证，显示出良好的产业化前景。