Г. И. Пронина В аквакультуре требуется физиологическая оценка для контроля состояния здоровья рыб. Кровь является наиболее быстро реагирующей на изменения внешних факторов системой в организме гидробионтов. Изучение гематологических показателей рыб позволяет проводить раннюю диагностику заболеваний, отрабатывать технологический режим разведения и выращивания, селекцию. Типизация клеток циркулирующих жидкостей является важной для составления гемоцитарной и лейкоцитарной формул, характеризующих клеточное звено иммунного ответа организма. В представленных исследованиях разрабатываются модели сверточной нейронной сети для классификации клеток крови карповых и осетровых рыб. Точность моделей оценивается на основе метрик Accuracy и Precision, Recall, F 1 при макроусреднении. На основе обработки снимков крови подготовлено 1104 изображения клеток крови карповых и осетровых рыб, включающие в себя 15 популяций клеток: гемогистобласты, миелобласты, промиелоциты, миелоциты, метамиелоциты, палочкоядерные нейтрофилы, сегментоядерные нейтрофилы, эозинофилы, базофилы, моноциты, лимфоциты, эритробласты, нормобласты, зрелые эритроциты, тромбоциты. Разработаны модели сверточной нейронной сети для распознавания популяций клеточных элементов крови (эритроцитов, лейкоцитов, тромбоцитов) карповых и осетровых рыб. Обучение моделей происходило на 80% подготовленных изображений. При этом удалось избежать проблемы переобучения, о чем свидетельствуют построенные графики изменения значений функции потерь (разреженной категориальной перекрестной энтропии – sparse categorical crossentropy) и точности (accuracy) в процессе обучения. Построенные модели позволяют распознавать клетки крови карповых рыб с точностью 75,0% (метрика F 1 при макроусреднении равна 0,570) и клетки крови осетровых рыб с точностью 76,6% (F 1 при макроусреднении составляет 0,664).
Научная статья 
обработка изображений