A Neural Network Algorithm for Identifying Monogeneans of the Order Dactylogyridea

Abstract

Aquaculture as one of the fastest growing food-producing sectors has given rise to numerous fish farms which often lack the laboratory facilities and qualified professionals to accurately diagnose disease and provide appropriate treatments. Monogeneans are parasitic worms that belong to the phylum Platyhelminthes. Some of them can cause mass mortality of fish in both natural water bodies and aquaculture settings. This paper presents a neural network algorithm designed to accurately identify monogeneans of the order Dactylogyridea using digital photographs taken through the ocular lens of the light microscope with a smartphone camera. The lowered equipment requirements make this method suitable for use on fish farms. We frame the identification of Dactylogyridea as a binary classification problem and train the VGG‑16 convolutional neural network to classify images of these monogeneans. To enhance our dataset, we apply data augmentation techniques that artificially increase the number of training examples and simulate variations in microscope illumination levels, image under- / overexposure or parasite discolouration on a slide. Our recognition algorithm achieves a classification accuracy of 98.8 % for the elements of both testing and validation sets. The results obtained in this study are of practical value since many species of the order Dactylogyridea can cause lethal diseases in fish. This method can improve diagnostics, treatment and disease prevention in aquaculture. Additionally, its simplicity is particularly advantageous for novice specialists

Развитие аквакультуры ведёт к появлению новых рыбоводных хозяйств, на которых зачастую отсутствуют рыбохозяйственные лаборатории и специалисты, способные поставить диагноз о заболевании и выбрать соответствующие методы его лечения. Моногенеи относятся к типу плоских червей (Platyhelminthes). Некоторые из них способны приводить к массовой гибели рыб в естественных водоёмах и при выращивании в аквакультуре. В работе представлен нейросетевой алгоритм, позволяющий с высокой точностью идентифицировать представителей отряда Dactylogyridea по фотографиям, сделанным через окуляр светового микроскопа камерой обычного смартфона. Такие требования к оборудованию делают возможным применение данного подхода на рыбохозяйственных предприятиях. Проблема распознавания представителей отряда Dactylogyridea сводится к задаче бинарной классификации, и для распознавания изображений моногеней проводится обучение свёрточной нейронной сети VGG‑16. Для искусственного увеличения количества обучающих примеров, имитации эффектов засветки и затемнения изображений, моделирования различных уровней освещённости исследуемых под микроскопом паразитов использованы методы аугментации данных. Точность классификации составила 98,8 % на элементах тестового и валидационного множеств. Полученные результаты имеют практическую ценность, так как среди представителей рассматриваемого отряда много возбудителей опасных болезней, приводящих к гибели рыб. Разработанный подход может упростить работу начинающих специалистов, а также способствовать более быстрой диагностике заболеваний и разработке методов их профилактики и лечения