科技赋能渔业:助力大口黑鲈鱼病检测

      大口黑鲈凭借肉质鲜美、生长迅速、经济价值高等优势，在我国水产养殖中占据重要地位。但在循环水高密度养殖模式下，细菌、病毒引发的体表充血、白斑、烂鳍、烂鳃等病害问题频发，成为制约大口黑鲈循环水养殖产业健康发展的痛点。如何快速精准识别鱼体异常体表特征，实现病害早预警？

     华中农业大学工学院万鹏教授团队在《华中农业大学学报》2026年第2期发表了《基于YOLOv8-DBCS的循环水养殖环境下大口黑鲈异常体表特征检测》的文章。研究指出，针对传统人工观测耗时费力、小目标病害难识别、复杂养殖环境易干扰等问题，研发轻量化高精度检测模型成为关键。

      研究团队以YOLOv8模型为基线模型，开发了YOLOv8-DBCS检测模型：用自研的动态深度卷积主干网络 DIStarNet 提升多尺度特征捕捉能力，引入 BiFPN 强化多尺度特征融合，加入 CBAM 注意力机制聚焦关键病害特征，替换损失函数为SIoU。试验结果表明，模型准确率达95.8%、召回率92.4%、mAP₅₀97.5%，模型参数量较基线模型降低38.5%，检测速度达75.2 帧/s，在鱼群密集、暗光、灯光干扰等场景下仍保持优异鲁棒性。该模型为循环水养殖大口黑鲈异常体表特征检测与病害早期预警提供了高效技术方案，以智能科技赋能水产养殖提质增效，助力我国水产养殖业向精准化、智能化转型升级。