Diagnosi precoce delle malattie dei gamberi con l'AI

La produzione di gamberi è un settore economicamente rilevante, ma è spesso minacciata da epidemie di malattie. La diagnosi tempestiva e accurata è fondamentale per mitigare le perdite.

Un recente studio ha proposto un approccio basato sul deep learning per la classificazione automatica delle malattie dei gamberi. Il sistema utilizza un set di dati di 1.149 immagini suddivise in quattro classi di malattie.

Dettagli dell'implementazione

Sono stati impiegati sei modelli di deep learning pre-addestrati: ResNet50, EfficientNet, DenseNet201, MobileNet, ConvNeXt-Tiny e Xception. Le immagini sono state pre-elaborate con tecniche di rimozione dello sfondo e standardizzazione tramite la pipeline di Keras.

Per migliorare la robustezza del modello, è stato utilizzato il metodo FGSM (Fast Gradient Sign Method) per l'addestramento contraddittorio. Strategie di aumento dei dati come CutMix e MixUp sono state implementate per ridurre l'overfitting e migliorare la generalizzazione.

Risultati e interpretabilità

Il modello ConvNeXt-Tiny ha raggiunto la massima accuratezza, ottenendo un punteggio del 96,88% sul set di dati di test. Per supportare l'interpretabilità, sono stati applicati metodi di spiegazione post-hoc come Grad-CAM, Grad-CAM++ e XGrad-CAM per visualizzare le regioni di attenzione del modello.

Questi risultati promettenti aprono la strada a sistemi di monitoraggio più efficienti e automatizzati nel settore dell'acquacoltura, contribuendo a una produzione di gamberi più sostenibile.