Yapay Zekâ Tabanlı Balık Hastalık Tanı Sistemleri: Su Ürünlerinde Erken Uyarı ve Otomatik Teşhise Yönelik Güncel Yaklaşımlar

Creative Commons License

Sökmen T. Ö.

14. Uluslararası Zeugma Bilimsel Araştırmalar Kongresi, Gaziantep, Türkiye, 9 - 10 Eylül 2025, ss.1034, (Özet Bildiri)

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Gaziantep
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1034
  • Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
  • Erzincan Binali Yıldırım Üniversitesi Adresli: Evet

Özet

Su ürünleri yetiştiriciliğinde görülen enfeksiyöz hastalıklar, dünyada üretim kayıplarının önde gelen nedenlerinden biri olmaya devam etmekte ve balık yetiştiriciliğinin sürdürülebilirliği açısından önemli bir tehdit oluşturmaktadır. Laboratuvar analizlerine ve manuel gözleme dayalı geleneksel tanı yöntemleri çoğu zaman zaman alıcı, maliyetli ve yoğun iş gücü gerektiren süreçlerdir. Bu durum, hastalığın geç teşhis edilmesine, müdahalenin gecikmesine ve mortalitenin artmasına yol açmaktadır. Son yıllarda yapay zekâ (YZ) tabanlı tanı sistemleri bu sınırlamaların aşılmasında hızlı, otomatik ve daha doğru sonuçlar sağlayan umut verici araçlar olarak öne çıkmıştır. Bu çalışmada, balık hastalıklarının tespit ve sınıflandırılmasına yönelik görüntü işleme, makine öğrenmesi ve derin öğrenme yöntemlerini içeren güncel YZ yaklaşımları kapsamlı biçimde ele alınmaktadır. Güncel araştırmalar ve uygulama örnekleri, özellikle Streptococcosis, Aeromonas türleri ve Ichthyophthirius multifiliis gibi patojenlerin teşhisinde bu sistemlerin etkinliğini göstermektedir. Ayrıca veri kalitesi, modellerin yorumlanabilirliği ve gerçek zamanlı uygulamaya yönelik zorluklar tartışılmakta ve akıllı su ürünleri teknolojileri ile entegrasyona yönelik gelecek perspektifleri vurgulanmaktadır. Sonuç olarak, YZ tabanlı tanı araçları erken uyarı sistemleri ile hastalık takibini güçlendirerek ekonomik kayıpları azaltma ve karar verme süreçlerini iyileştirme potansiyeline sahiptir.

Infectious diseases in aquaculture remain one of the leading causes of production losses worldwide and pose a significant threat to the sustainability of fish farming systems. Traditional diagnostic techniques, which rely heavily on laboratory analysis and manual observation, are generally time-consuming, labor-intensive, and costly, resulting in delayed intervention and increased mortality. In recent years, artificial intelligence (AI)-based diagnostic systems have emerged as promising tools to address these limitations by providing rapid, automated, and more accurate disease detection. This study comprehensively reviews state-of-the-art AI approaches, including image processing, machine learning, and deep learning methods, that are being developed to detect and classify fish diseases. Current research and application examples demonstrate the potential of these systems in identifying key pathogens such as Streptococcosis, Aeromonas species, and Ichthyophthirius multifiliis. Additionally, the challenges related to data quality, model interpretability, and real-time implementation are discussed, as well as future perspectives emphasizing integration with smart aquaculture technologies. Ultimately, AI-based diagnostic tools have the potential to enhance disease surveillance, reduce economic losses, and improve decision-making in aquaculture through early warning systems.