RT-GalaDet כמודל בזמן אמת לסינון חריגויות בריאות על פני השטח בדגים

מדוע חשוב לחקלאים לזהות דגים חולים מהר

חוות דגים מספקות כיום חלק גדול ממזון הים בעולם, אך מחלות יכולות להתפשט במיכלים צפופים או בכלובים בימים ספורים, להרוג בעלי חיים ולהשמיד רווחים. החקלאים בדרך כלל מסתמכים על תפיסת דגים ביד ובחינה אחד־אחד — תהליך מלחיץ ואיטי שעלול לפספס סימנים מוקדמים לבעיה. במחקר זה מוצג RT‑GalaDet, מערכת ראייה ממוחשבת שעוקבת אחרי דגים באמצעות מצלמות ומסמנת בזמן אמת פגמים קטנים על פני השטח — כגון כתמים, פצעים ונזק לסנפירים — מבלי להוציא את הדג מהמים.

לצפות בדגים בלי לגעת בהם

החוקרים התכוונו לבנות כלי שמנטר ברציפות את מצב הבריאות הנראה של דגים משובטים, בדומה למצלמת אבטחה אוטומטית נגד מחלות. במקום רשתות ובדיקות ידניות, מצלמות לוכדות תמונות תת‑מימיות כשהדגים מתנהגים באופן טבעי. מודל בינה מלאכותית ייעודי סורק כל תמונה ומשרטט תיבות סביב דגים בודדים, תוך זיהוי המין ומצב הבריאות הנראה שלהם. גישה לא חודרנית זו נועדה להעניק לחקלאים אזהרות מהירות כשמשהו נראה חשוד על העור, הסנפירים או העיניים, כדי שיוכלו להתערב לפני שבעיה מקומית תהפוך למגיפה בחווה כולה.

להדריך את המערכת מהו “בריא” ומהו “חולה”

כדי לאמן את RT‑GalaDet השתמשו החוקרים באוסף ציבורי של למעלה מ‑5,600 תמונות של ארבעה מינים נפוצים בחוות: striped beakfish, black sea bream, Korean rockfish ו‑red sea bream. כל דג בכל תמונה סומן והתויג לא רק לפי מין, אלא גם לפי אחת מחמשת מצבי פני השטח: בריא, דימומי, כיב, פגיעה בעין או פגיעה בסנפיר. כך נוצרו 20 קטגוריות מדויקות, כמו "black sea bream – ulcer" או "red sea bream – fin injury." מאחר שבחוות אמיתיות יש הרבה יותר דגים בריאים מאשר חולים, החוקרים איזנו בקפידה את סט הנתונים והשתמשו בהעתקה והדבקה של דגים חולים לתמונות חדשות, יחד עם שינויים עדינים בקונטרסט ובחדות, כדי לאפשר למודל ללמוד לזהות סימפטומים נדירים אך חשובים גם כשהם זעירים או חלקית מוסתרים.

איך המודל החדש רואה פרטים קטנים במהירות

RT‑GalaDet נשען על משפחה עדכנית של גלאים מהירים, אך מחדש את המבנה הפנימי כדי להתמודד טוב יותר עם אתגרי תמונות תת‑מימיות. מים עכורים, תאורה לא אחידה ורקעים עמוסים עלולים להסתיר בקלות את הכתמים הקטנים והשינויים בשוליים שמסמנים מחלה מוקדמת. המחברים משלבים שני סוגי "חזון" בתוך המודל: חלק אחד מביט באופן רחב על כל התמונה כדי לאתר דגים בסצנות עמוסות, ואילו חלק אחר מתמקד במרקמים ובצבעים מקומיים מאוד כדי להפריד פצעים קטנים מדפוסים רגילים בקשקשים ובסנפירים. יחד עם זאת, הם ייעלו את השכבות האמצעיות ברשת כך שתפעל ביעילות, צמצום עומס החישוב ללא הישתנות בדיוק. איזון זה מאפשר למערכת לעבד וידאו בלמעלה מ‑50 פריימים בשנייה תוך שמירה על תשומת לב לפרטים עדינים מאוד.

כמה טוב זה עובד והיכן זה מתקשה

כאשר נבחן מול מערך של גלאים פופולריים בזמן אמת, כולל מספר גרסאות של משפחת YOLO הנפוצה, RT‑GalaDet בדרך כלל השווה או עלה עליהם גם בדיוק וגם במהירות. הוא תייג נכון דגים ואת מצב פני השטח ברוב המוחלט של המקרים, והשיג דיוק גבוה (מעט אזעקות שווא) וזכירה גבוהה (מעט דגים חולים שלא זוהו). המודל נשאר עמיד באופן סביר כאשר הצוות סימלצם סביבות קשות יותר — תאורה עמומה יותר ומים עכורים — אם כי הביצועים פחתו במקצת, במיוחד עבור בעיות עדינות כגון פגיעה בעין וכיבים קטנים. המחברים מציינים שהנתונים שלהם הגיעו ברובם מתנאי מיכלים מבוקרים, ושמים עמוקים או מלוכלכים יותר, כלובים צפופים ומינים עם צורות גוף שונות מאוד יהוו אתגרים נוספים.

מה המשמעות לחוות דגים

עבור חקלאים ווטרינרים ימיים, RT‑GalaDet אינו תחליף לאבחון מחלות מלא, שעדיין דורש שיפוט מומחה ולעתים בדיקות מעבדה. במקום זאת, הוא משמש ככלי לאזהרה מוקדמת ולאיסוף ראיות: יכול לעקוב אחרי מספר גדול של דגים מסביב לשעון, להדגיש פרטים המראים שינויים חשודים על פני השטח ולספק תמונות ויזואליות ברורות למעקב. בזיהוי בעיות מוקדם ובהפחתת הצורך בבדיקות ידניות מלחיצות, מערכות כאלה יכולות לסייע לחוות לצמצם הפסדים, לשפר את רווחת בעלי החיים ולנהל טיפולים בצורה מדויקת יותר. ככל שמצלמות וחומרת מחשוב יהפכו לזולות יותר וכשמודלים כמו RT‑GalaDet יורחבו למינים נוספים, ניטור בריאות דגים בזמן אמת ואוטומטי עשוי להפוך לחלק שגרתי של המלאכה בחקלאות המודרנית.

ציטוט: Peng, X., Xiao, Z. & Yu, Y. RT-GalaDet as a real-time model for screening surface-associated health abnormalities in fish. Sci Rep 16, 6951 (2026). https://doi.org/10.1038/s41598-026-37288-2

מילות מפתח: גילוי מחלות בדגים, ניטור ייצור מימי, ראייה ממוחשבת, גילוי עצמים בזמן אמת, דימות תת-מימי