综述：利用卷积神经网络实现水产养殖中的鱼类疾病自动化诊断：方法、应用与挑战的综述

《Veterinary Research Communications》：Automated fish disease diagnosis in aquaculture using convolutional neural networks: a narrative review of methods, applications, and challenges

　　

摘要

本综述探讨了用于鱼类疾病自动诊断的先进人工智能工具，尤其是卷积神经网络，涵盖了相关关键技术、临床应用、伦理考量以及未来发展方向。由于鱼类疾病诊断对水产养殖业至关重要，而现有诊断工具成本高昂，因此亟需运用人工智能来实现鱼类疾病管理的自动化。在此背景下，基于卷积神经网络的分析方法已被引入鱼类疾病诊断领域，其在改善不同水产养殖系统中的疾病管理措施方面发挥着重要作用。这种整合提升了从业者和研究人员的知识水平与理解能力，有助于他们改进水产养殖系统中的管理方法。本文介绍了基于卷积神经网络模型的现代水产养殖工具，包括图像采集、预处理、分割、特征提取、分类、迁移学习以及部署等内容。此外，还阐述了计算机视觉在水产养殖领域的更广泛应用、系统的性能表现，以及制约其实际应用的诸多挑战，如数据质量不佳、类别不平衡、领域差异、过拟合、可解释性有限、模型预测的不确定性、在野外成像条件下的稳定性不足，以及需要持续的人工监督等。不过，已有许多研究取得了令人鼓舞的实验结果；但目前基于卷积神经网络的系统尚未在不同养殖场环境、成像条件及疾病阶段中进行过全面研究。因此，卷积神经网络应被视为辅助决策的工具，而非替代兽医诊断或实验室检测的手段。尽管这些人工智能模型已经过训练和验证，但可能仍无法完全反映养殖环境的复杂性。因此，我们致力于解决这些限制因素，这对于将实验成果转化为实际的疾病管理措施至关重要。