An Innovation Fish Disease Detection in Aquaculture Environments using Deep Learning
An Innovation Fish Disease Detection in Aquaculture Environments using Deep Learning
Date
2025
Auteurs
CHOUCHAOUI Ferdaous
Nom de la revue
ISSN de la revue
Titre du volume
Éditeur
Résumé
L’aquaculture représente l’une des principales sources de production alimentaire mondiale. La surveillance de ce domaine nécessite des solutions automatisées, précises et abordables afin d’en assurer la durabilité. Cette thèse propose une architecture IoT associée à l’Intelligence Artificielle afin d’améliorer le suivi des maladies des poissons. L’étude s’est concentrée sur la classification de sept pathologies, en utilisant un jeu de données de 1 747 images. Quatre modèles de réseaux neuronaux convolutifs (AlexNet, VGG, ResNet et MobileNet) ont été comparés afin d’évaluer leur pertinence. Les résultats mettent en valeur les performances d’AlexNet et de VGG, qui atteignent une précision de 99,86 %, tandis que ResNet et MobileNet obtiennent respectivement 87,71 % et 76,86 %. Cette approche souligne l’efficacité des méthodes d’apprentissage profond dans la détection automatisée des maladies en aquaculture, et leur pertinence en tant qu’outil d’aide à la gestion des exploitations.
Description
Mots-clés
Surveillance aquacole, Caméras sous-marines intelligentes, Détection d’anomalies, Détection des maladies, Apprentissage profond, Réseaux neuronaux convolutifs (CNN), AlexNet, VGG, ResNet, MobileNet, IA, IoT.