- Advertisment -
dsm-firmenich

Por que estou vendo isso?

Para manter o conteúdo 100% gratuito, a Aquaculture Brasil conta com o apoio de parceiros referência no setor.

Visitar parceiro →

Inteligência artificial detecta criptocariose em peixes marinhos com 99,5% de acurácia

A proliferação da criptocariose, infecção causada pelo ectoparasita protozoário Cryptocaryon irritans, representa uma das ameaças mais severas à maricultura global. Para responder a esse desafio sanitário, pesquisadores da Universiti Utara Malaysia, do Instituto de Pesquisas Pesqueiras da Malásia (NaFisH) e de instituições parceiras no Reino Unido e na China criaram um sistema inovador de visão computacional. A tecnologia combina técnicas avançadas de aprimoramento de imagem e inteligência artificial para diagnosticar a doença com 99,53% de acurácia.

O desafio da inspeção visual no ambiente subaquático

Nas criações intensivas em gaiolas e tanques, a alta densidade estressa os peixes e acelera a disseminação de patógenos. Historicamente, a triagem da doença dos pontos brancos protozoária dependia do exame visual direto por especialistas, um processo lento, dispendioso e sujeito a falhas de interpretação. Além disso, capturar imagens subaquáticas claras é um desafio complexo, pois fatores como a turbidez da água, iluminação deficiente e distorção de cores prejudicam a extração automática de características anatômicas.

Combinação de aprimoramento de cor e inteligência artificial

Para superar os ruídos visuais do meio aquático, os cientistas desenvolveram uma abordagem que integra a Correção de Cor Adaptativa ao Contraste (CACC) a Redes Neurais Convolucionais (CNN). A etapa de processamento CACC une algoritmos para remoção de névoa subaquática, equalização de contraste local e correção automática de níveis de cor. Esse tratamento prévio maximizou a nitidez das fotos antes que a inteligência artificial executasse a classificação dos peixes entre saudáveis e infectados.

Desempenho da arquitetura ResNet-50 nos testes

O modelo foi treinado e testado com um conjunto de 15.000 imagens subaquáticas obtidas em condições reais de cultivo com peixes marinhos, incluindo o robalo-asiático (Lates calcarifer) e garoupas (Epinephelus spp.). Entre as cinco arquiteturas neurais avaliadas no estudo, a combinação de CACC com a rede ResNet-50 obteve os resultados mais expressivos. O sistema alcançou 100% de sensibilidade (recall), identificando corretamente todos os casos de peixes doentes no grupo de teste com 3.000 imagens, além de registrar 99,08% de precisão e um F1-score de 99,54%.

Aplicações práticas para o setor aquícola

A detecção precoce e automatizada da criptocariose viabiliza intervenções sanitárias rápidas, evitando mortandades em massa que podem comprometer até 15% da produção anual do setor. A ferramenta reduz significativamente o trabalho manual de campo e automatiza a triagem sanitária em fazendas marinhas remotas. Segundo os pesquisadores, a solução fortalece a sustentabilidade econômica dos piscicultores e contribui para a preservação dos ecossistemas aquáticos.

Fonte: Integration of contrast-adaptive colour correction and convolutional neural network for cryptocaryon fish disease detection

- Advertisement -
Phibro

Por que estou vendo isso?

Para manter o conteúdo 100% gratuito, a Aquaculture Brasil conta com o apoio de parceiros referência no setor.

Visitar parceiro →
- Advertisment -
MSD Saúde Animal

Por que estou vendo isso?

Para manter o conteúdo 100% gratuito, a Aquaculture Brasil conta com o apoio de parceiros referência no setor.

Visitar parceiro →

Veja também

- Advertisment -
dsm-firmenich

Por que estou vendo isso?

Para manter o conteúdo 100% gratuito, a Aquaculture Brasil conta com o apoio de parceiros referência no setor.

Visitar parceiro →
Posts relacionados