Fish oocyte morphology detection using neural networks: a comparison of YOLO architectures

A comparison of YOLO architectures

Authors

Keywords:

Maturational phases, Histological images, Artificial intelligence, Convolutional Neural Networks, Centropomus undecimalis

Abstract

The recognition of oocytes, in their maturational stages, allow estimate the ovarian development and the type of spawning of a species. Although, distinguishing oocytes on histological images requires a visual and subjective interpretation by the specialist. With the development of deep learning techniques, automatic object detection has become an important mechanism for this task. However, studies that use deep learning techniques have not been widely explored for the analysis of fish oocyte samples so far. In this paper, we propose the use of YOLO, a family of convolutional neural networks, for oocyte morphology detection of Centropomus undecimalis fish. The research uses an image database with 5,680 oocytes with different maturation stadiums (PV - pre-vitellogenesis, VI - early vitellogenesis and VF - late vitellogenesis), in histological images, divided into training, testing and validation, and detection performed by YOLOv3, YOLOv4, and YOLOv5 architectures. The results obtained were promising, highlighting that the YOLOv5l model, in the detection of oocytes of the VF class, reached the best values in the metrics precision, recall, mAP@.5 and mAP@.95, with 85.4%, 95.3%, 95.7%, and 75.9%, respectively. When considering all classes, YOLOv5l was the model that obtained the best results in the analyzed metrics.

Author Biographies

Ewaldo Eder Carvalho Santana, Universidade Federal do Maranhão

Ewaldo Santana obteve os títulos de mestre (2006) e doutor (2009) em engenharia da eletricidade pelas Universidade Federal do Maranhão e Universidade Federal de Campina Grande, respectivamente. Através do Projeto Ciência sem Fronteiras, ele passou um ano, entre 2015-16 em Grenoble, France, trabalhando no GIPSA-Lab para um estágio pós-doutoral. Suas áreas de pesquisas são em aquisição e processamento de sinais, tais como: sensores, rede de sensores sem fio, separação cega de fontes, filtragem adaptativa e aprendizado de máquinas. Atualmente, o professor Ewaldo coordena o Laboratório para Aquisição e Processamento de Sinais - LAPS, na Universidade Estadual do Maranhão.

Isa Rosete Araujo Nascimento, Instituto Federal do Maranhão

Doutora em Biodiversidade e Biotecnologia pela Rede Bionorte, Mestre em Sustentabilidade de Ecossistemas, Especialista em Microbiologia Clínica e Graduada em Ciências Biológicas. Professora de Biologia e Meio Ambiente do Instituto Federal de Educação, Ciência e Tecnologia do Maranhão - IFMA, Campus Centro Histórico. Pesquisadora do IFMA/Centro Histórico, também desenvolve pesquisas em parceria com o Laboratório de Biomarcadores em Organismos Aquáticos (LABOAq) e o Laboratório de Pesca e Ecologia Aquática (LabPEA ) ambos na Universidade Estadual do Maranhão. Tem experiências nas áreas de: Zoologia (com ênfase em Ictiologia); Saúde Ambiental; Educação Ambiental; Ecossitemas Aquáticos, Microbiologia e Ensino de Biologia. Participa dos grupos de pesquisa em Educação Ambiental, Sustentabilidade e Conservação (IFMA), Biologia Computacional (UEMA) e Ecotoxicologia e Monitoramento de Ambientes Aquáticos (GPEMAAq - UEMA).

Antonio Fhillipi Maciel Silva, Universidade Estadual do Piauí

Possui Bacharelado em Sistemas de Informação pela Universidade Ceuma (2012), Mestrado em Engenharia Elétrica pela Universidade Federal do Maranhão - UFMA (2015). Doutorando em Engenharia Elétrica pela Universidade Federal do Maranhão - UFMA. Atualmente é professor do Curso de Ciência da Computação da Universidade Estadual do Piauí - UESPI. Tem experiência em Computação, com ênfase em Sistemas Inteligentes e em Desenvolvimento de Softwares.

Raimunda Nonata Fortes Carvalho Neta, Universidade Estadual do Maranhão

Doutora em Biotecnologia (RENORBIO/UECE), Graduada em Biologia (UEMA) e em Educação Artística/ Artes Plásticas (UFMA). Fez pós-doutorado em Modelagem de Sistemas Biológicos na Universidade do Estado do Rio de Janeiro (UERJ). É professora (adjunto IV) da Universidade Estadual do Maranhão, docente permanente do Doutorado em Biodiversidade e Biotecnologia da Rede BIONORTE (Rede de Biodiversidade e Biotecnologia da Amazônia Legal) e do Curso de Mestrado em Ecologia e Conservação da Biodiversidade (PPGECB/UEMA). É Chefe do Laboratório de Biomarcadores em Organismos Aquáticos (LABOAq/UEMA) e coordenadora do Grupo de Pesquisa em Ecotoxicologia e Monitoramento de Ambientes Aquáticos (GPEMAAq/UEMA). Tem experiência na área de Ecologia, com ênfase em estudos de ambientes aquáticos, biomarcadores em organismos aquáticos e Educação Ambiental. Faz parte (membro efetivo) da Academia Maranhense de Ciências (AMC) e da Academia de Ciências, Letras e Artes de Presidente Vargas (ACLAPREV).

José Ribamar de Souza Torres-Junior, Universidade Federal do Maranhão

Possui graduação em Medicina Veterinária pela Universidade Estadual do Maranhão (2002), mestrado em Medicina Veterinária pela Universidade Federal de Minas Gerais (2004), doutorado pela Universidade de São Paulo- USP (2007) e Pós-Doutorado pela Federal de Minas Gerais (2012) e pela University of Miami, Estados Unidos (2023). Atualmente é Professor Associado IV do Departamento de Oceanografia e Limnologia da Universidade Federal do Maranhão (DEOLI/CCBS/UFMA) e Pesquisador do Quadro Permanente do Programa de Pós-Graduação em Ciência, Tecnologia e Ambiente (PPGCTAmb/UFMA), além de consultor ad hoc da FAPEMA. Tem experiência na área de Biologia Reprodutiva de Organismos Aquaticos e Biotecnologia Aplicada à Aquicultura.

Downloads

Published

2024-12-06

Issue

Vol. 56 (2025)

Section

Fish Engineering