RT-GalaDet как модель в реальном времени для скрининга поверхностных отклонений здоровья у рыб

Почему фермерам важно быстро заметить больную рыбу

Рыбные фермы сейчас поставляют значительную часть мировой продукции моря, но болезни могут распространяться по переполненным бассейнам или сетчатым загонам за считанные дни, убивая животных и уничтожая прибыль. Фермеры обычно проверяют рыбу вручную, вылавливая её по одной — стрессовая и медленная процедура, которая может пропустить ранние признаки проблем. В этом исследовании представлен RT‑GalaDet, система компьютерного зрения, отслеживающая рыбу с помощью камер и в реальном времени отмечающая мелкие поверхностные повреждения — такие как пятна, язвы и повреждения плавников — без извлечения рыбы из воды.

Наблюдение за рыбой без прикосновений

Исследователи поставили цель создать инструмент для непрерывного контроля видимого состояния здоровья выращиваемой рыбы, наподобие автоматической охранной камеры для болезней. Вместо сетей и ручных осмотров камеры фиксируют подводные изображения, пока рыба ведёт себя естественно. Специализированная модель искусственного интеллекта затем просматривает каждое изображение и обводит рамками отдельных особей, определяя как вид, так и видимый статус их здоровья. Такой неинвазивный подход должен давать фермерам быстрые предупреждения, когда что-то выглядит неправильно на коже, плавниках или глазах рыбы, чтобы они могли вмешаться до того, как локальная проблема перерастёт в вспышку на всей ферме.

Обучение системы тому, как выглядят «здоровые» и «больные» рыбы

Для обучения RT‑GalaDet команда использовала публичную коллекцию из более чем 5600 изображений четырёх распространённых видов, выращиваемых на фермах: полосатый клюворыл, чёрный морской карась, корейский каменный окунь и красный морской карась. Каждая рыба на каждом снимке была очерчена и помечена не только по виду, но и по одному из пяти поверхностных состояний: здоровая, кровотечение, язва, травма глаза или повреждение плавника. Это создало 20 точных категорий, например «чёрный морской карась — язва» или «красный морской карась — повреждение плавника». Поскольку на реальных хозяйствах здоровых рыб значительно больше, чем больных, исследователи тщательно сбалансировали набор данных и использовали вставку копий больных рыб в новые сцены, а также мягкое изменение контраста и резкости, чтобы модель могла научиться распознавать редкие, но важные симптомы, даже когда они малы или частично скрыты.

Как новая модель быстро замечает мелкие детали

RT‑GalaDet опирается на недавнее семейство быстрых детекторов, но перестроил внутреннюю архитектуру, чтобы лучше справляться с особенностями подводных изображений. Мутная вода, неравномерное освещение и загруженные фоны легко скрывают мелкие пятна и изменения по краям, которые сигнализируют о ранних стадиях болезни. Авторы комбинируют два вида «зрения» внутри модели: одна часть смотрит широко по всему изображению, чтобы находить рыбу в загромождённых сценах, в то время как другая часть концентрируется на очень локальных текстурах и цветах, чтобы отделить мелкие поражения от нормальных узоров на чешуе и плавниках. Одновременно они упрощают средние слои сети, чтобы повысить эффективность работы, сокращая объём вычислений без потери точности. Такое сочетание позволяет системе обрабатывать видео более 50 кадров в секунду, при этом сохраняя внимание к очень тонким деталям.

Насколько хорошо это работает и с какими трудностями сталкивается

При тестировании в сравнении с рядом популярных детекторов в реальном времени, включая несколько версий широко используемой семейства YOLO, RT‑GalaDet в целом сопоставим или превосходил их как по точности, так и по скорости. Он правильно маркировал рыбу и её поверхностное состояние в подавляющем большинстве случаев, демонстрируя высокую точность (мало ложных тревог) и высокую полноту обнаружения (мало пропущенных больных рыб). Модель оставалась относительно робустной при имитации более жёстких условий — при тусклом освещении и более мутной воде — хотя производительность слегка снижалась, особенно для тонких проблем, таких как повреждения глаза и мелкие язвы. Авторы отмечают, что их данные в основном получены в контролируемых условиях бассейнов, и что более глубокие или грязные воды, переполненные загоны и виды с очень отличающейся морфологией представят дополнительные вызовы.

Что это означает для рыбных ферм

Для рыбоводов и акватерапевтов RT‑GalaDet не является заменой полноценной диагностики болезней, которая по‑прежнему требует экспертной оценки и иногда лабораторных анализов. Скорее, это инструмент раннего предупреждения и сбора доказательств: он может круглосуточно наблюдать большое количество рыб, выделять особей с тревожными поверхностными изменениями и предоставлять чёткие визуальные снимки для последующей проверки. Благодаря более быстрому выявлению проблем и снижению необходимости в стрессовых ручных осмотрах такие системы могут помочь фермам сократить потери, улучшить благополучие животных и точнее управлять лечением. По мере удешевления камер и вычислительного оборудования и расширения моделей типа RT‑GalaDet на большее число видов, мониторинг здоровья рыб в реальном времени может стать рутиной современной аквакультуры.

Цитирование: 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

Ключевые слова: обнаружение болезней рыб, мониторинг аквакультуры, компьютерное зрение, обнаружение объектов в реальном времени, подводная съёмка