基于双重注意力机制的鱼类体表病理识别方法

作     者：王一非 袁涛 吴鹏飞 

作者机构：华中农业大学信息学院 农业农村部智慧养殖技术重点实验室 

出 版 物：《华中农业大学学报》 (Journal of Huazhong Agricultural University)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0906[农学-兽医学] 09[农学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2022YFD1400400) 

主　　题：鱼类体表病理 深度学习 注意力机制 Resnet-18 鱼病智能识别 

摘      要：为提高鱼类体表病理识别精确度及识别效率，解决当前识别过程中对人工依赖严重且识别准确性低等问题，根据4种发病率高且对鱼类危害大的鱼病构建鱼类体表病理数据集，基于Resnet-18模型进行改进优化，融合空间注意力和SE通道注意力双重注意力机制构建出高识别精度的DBA＿Resnet-18模型，并基于该模型开发了鱼病实时智能识别可视化系统。改进后模型将SE通道注意力模块添加在网络中部，在网络尾部引入了空间注意力机制。测试结果显示，DBA＿Resnet-18模型对鱼类体表病理分类准确率达到了96.75%，相比于常见的模型Resnet-18、Resnet-34、Resnet-50、Resnet-101、Swin Transformer、VGG-16、VGG-19和AlexNet分别高出1.71、2.12、2.37、2.83、2.51、2.23、2.50和3.53百分点。研究结果表明，本研究提出的模型及鱼病智能识别可视化系统能够对不同鱼类体表病理进行快速、精确的分类识别，实现了鱼病识别系统的智能化，可用于实际环境中诊断鱼类体表病理类型。