Published
2025-07-15
Section
Articles
How to Cite
深度学习框架下鱼类疾病分类检测探索
叶 敏辉
漳州职业技术学院
林 轩毅
漳州职业技术学院
陈 铠沣
漳州职业技术学院
王 宇辉
漳州职业技术学院
陈 梁
漳州职业技术学院
DOI: https://doi.org/10.59429/hjfz.v7i5.10254
Keywords: 深度学习；卷积神经网络；鱼类疾病；分类检测
Abstract
本项研究聚焦于深度学习技术框架在鱼类疾病分类检测领域的应用与探索，实施构建专门的鱼类疾病图像 资料库的行动，采用数据增强与归一化等预处理手段，显著提升数据质量档次，以卷积神经网络（CNN）及其衍生 模型为核心构建分类分析体系，实施多网络架构的对比实验，以探究其性能差异。对模型在训练及测试两个阶段所 呈现的性能指标进行详尽的性能分析，对精确度、召回率以及 F1 值等关键评估要素进行综合考量，实证研究证实， 深度学习模型经过优化调整，在鱼类疾病诊断领域实现了高精度识别，为解决水产养殖业疾病防控问题，本研究推 出了一种智能化、高效的防控策略，有效提高养殖业的收益水平并保障水产品安全品质。
References
[1] 尤明亮.2018年天津市生食鱼类单增李斯特菌检测结果分析[J].继续医学教育,2021,35(2):59-60.
[2] 沈诚,徐昆龙,代佳和,等.甲基睾酮在动物源性食品中残留危害及检测方法的研究进展[J].黑龙江畜牧兽医,2017(7):70-73.
[3] 金莉.190例过敏性疾病变应原检测结果分析[J].浙江实用医学,2008(5):332-334.
[4] 张谨华.鱼类细菌性疾病的检测及防治进展[J].山西科技,2007(6):120-121.
[5] 王瑞旋,徐力文,冯娟.海水鱼类细菌性疾病病原及其检测、疫苗研究概况[J].南方水产,2005(6):72-79.