共查询到17条相似文献，搜索用时 109 毫秒
1.
基于计算机视觉的头足类角质颚特征研究Ⅱ:形态学参数测量 总被引：1，自引：0，他引：1
角质颚形态被广泛应用于头足类种类鉴定与种群判别,基于游标卡尺的手动径向测量是获取角质颚形态参数最常用的方法。本文提出一种利用计算机视觉提取角质颚形态参数的方法,首先通过MATLAB编程提取角质颚特征点及空间坐标,然后计算特征点间的空间距离,最后将提取的角质颚形态学参数值与手动径向测量的结果进行比较。研究结果表明:利用两种方法对每个头足类角质颚样本进行十次重复测定所得形态学参数的算术平均值接近,除形态学参数上脊突长之外,计算机视觉所测的数据平均绝对误差和平均相对误差都小于手动测量数据的平均绝对误差和平均相对误差,说明计算机视觉所测量结果准确,更加逼近真值;分析标准差和离散系数可知,计算机视觉重复多次提取每个样本的角质颚形态学参数的结果离散程度更低,测量值更加聚集于真实值附近,精密度更高。计算机视觉不仅为头足类角质颚参数测量提供了一种快速、准确方法,同时还将大幅促进角质颚形态学参数在头足类种群判别与种类鉴定等领域的广泛应用。 相似文献
2.
基于角质颚长度的头足类种类判别 总被引：6，自引：1，他引：5
本文根据2013 年8 月于舟山市沈家门东河菜场采集的5 种近海常见经济头足类(剑尖枪乌 贼、杜氏枪乌贼、金乌贼、曼氏无针乌贼和短蛸), 利用逐步判别和主成分分析法对其上、下角质颚 的各5 种长度指标(喙长、头盖长、脊突长、侧壁长、翼长)进行分析。结果显示, 这5 种头足类角质 颚长度差异显著(ANOVA: P<0.001), 其中以金乌贼的角质颚尺寸最大, 短蛸的角质颚尺寸最小。判 别分析显示, 角质颚长度适合用来划分头足类的种类, 综合判别成功率为96.2%, 其中以上颚侧壁 长、上颚头盖长和下颚脊突长对判定的贡献率最高。然而, 与之相比, 标准化后的角质颚长度则更适 合用来划分头足类的种类, 综合判别成功率达到100%, 其中以标准化下颚喙长和标准化下颚翼长对 判定的贡献率最高。主成分分析显示, 角质颚长度及标准化后角质颚长度对枪乌贼类和乌贼类的判 定成功率均达到100%.本文建立了一种基于角质颚长度判别分析法的头足类种类判定的新方法, 丰 富了头足类种类鉴定的技术手段, 为我国学者在相关领域的研究提供了基础。 相似文献
3.
《海洋湖沼通报》2017,(2)
角质颚是头足类的摄食器官,隐含着重要的生态信息。根据2009-2014年中国鱿钓船在秘鲁外海(79°20′-84°30′W、10°00′-18°20′S)采集的茎柔鱼(Dosidicus gigas)样本,提取出361尾茎柔鱼的角质颚,对角质颚的12项外部形态进行测量,测定了日龄、胴长、体重、性腺成熟度等基础生物学特性,对角质颚的色素沉积等级进行了划分,同时利用神经网络模型探讨了角质颚色素沉积等级与日龄、胴长、体重、性腺成熟度、上角质颚外部形态参数和下角质颚外部形态参数等因子的关系。研究认为,影响角质颚色素沉积等级的主要因子为日龄、体重、性腺成熟度、上喙长和下翼长,其贡献率分别为7.44%、7.40%、9.14%、7.88%和9.07%。日龄、胴长、体重和角质颚各形态参数与角质颚色素沉积等级的相关性均达到极显著水平(P0.01),且呈正相关关系。同时,随着性腺成熟度等级的增大,角质颚色素沉积等级呈现出逐渐增大的趋势。研究结果为基于角质颚的茎柔鱼渔业生物学研究提供了基础。 相似文献
4.
大洋性鱿鱼的洄游路径能够给我们重要的信息，帮助我们了解其时空分布的变化。标记-重捕和电子标记方法在施行过程中仍存在一些问题。头足类的硬组织，如角质颚，有着稳定的形态特征和类似耳石的连续生长纹，同时包含丰富的生态信息，可以为我们研究物种的时空分布提供相关信息。本研究中，我们以北太平洋柔鱼为研究对象，基于不同角质颚生长阶段进行取样来重建鱿鱼的洄游路径。研究结果认为，通过电感耦合等离子质谱仪（LA-ICP-MS）取样，发现角质颚的喙端矢状平面（RSS）检测到9种微量元素。针对上述几种元素，发现不同生长阶段的磷（P）、铜（Cu）和锌（Zn）存在显著差异。利用钠（Na）、磷和锌与海表面温度（SST）建立线性回归模型。基于贝叶斯模型，计算出不同时期柔鱼出现的较高概率的海域。结合不同时期的高概率分布海域，建立起柔鱼的洄游路径，该结果与前人研究结果一致。本研究也证实了角质颚可以为研究大洋性柔鱼的洄游路径提供有效的信息。 相似文献
5.
金枪鱼类是我国远洋渔业重要的捕捞对象,其形态指标对研究金枪鱼类的生长、发育和生活史具有重要意义。人工测量形态指标是一种非常繁琐且低效率的测量方法,而计算机视觉是一种高效和客观的自动测量方法。因此,本文通过计算机视觉库OpenCV对3种金枪鱼类图像进行预处理,主要利用双边滤波、灰度变换、二值化处理和提取轮廓等图像处理技术得到金枪鱼类形态轮廓图像。根据预先选定的特征点,利用计算机视觉技术遍历轮廓图像上所有的像素点,并自动定位出每张轮廓图像的预选特征点共17个。利用计算机视觉技术遍历得到的特征点位置,自动测量出3种金枪鱼的形态指标像素长度,并计算出形态指标实际长度。还分析自动测量与人工测量形态指标的绝对误差和相对误差。研究结果表明,通过计算机视觉技术对3种金枪鱼的形态指标的自动测量效果较好,大眼金枪鱼、黄鳍金枪鱼和长鳍金枪鱼的12个形态指标的绝对误差范围分别为0～1.46 cm、0～1.73 cm、0～1.32 cm,其相对误差范围分别为0.01%～5.84%、0%～6.17%、0%～6.89%。本研究以期为金枪鱼类智能识别提供前期工作基础,也为其他鱼类自动测量研究提供基础参考。 相似文献
6.
西北太平洋柔鱼角质颚微结构及其生长纹周期性研究 总被引：3，自引：0，他引：3
本文分析了采集于北太平洋海域的35尾柔鱼(Ommastrephes bartramii)角质颚的微结构,并对其生长纹的周期性进行了验证。研究结果显示:上颚喙部截面由头盖和脊突两部分组成,周期性的生长带明显,每条生长带由明、暗相间的两条生长纹组成。头盖部的生长纹明显比脊突部的清晰,两者交汇于内轴成""形。喙部顶端以及后端常有明显的标记轮,其形成与个体发育期的特殊事件以及外界的突发事件有关。角质颚生长纹数目与耳石日龄相当(P0.05),证明柔鱼角质颚生长纹的沉积为"一日一纹"。根据角质颚生长纹估算柔鱼的生命周期小于1年,样本胴长、体重和角质颚喙长与日龄呈显著的逻辑斯蒂关系。研究结果不仅为柔鱼类年龄鉴定和生长估算提供新方法,而且为我国头足类学者开展相关研究提供重要基础。 相似文献
7.
西南大西洋阿根廷滑柔鱼2个不同产卵群间角质颚外形生长特性比较 总被引：2，自引：0，他引：2
角质颚是头足类重要的硬组织之一,通常被用来鉴定种类、估算资源量。根据2007年2～5月和2010年1～3月中国鱿钓船在西南大西洋作业期间采集的3 160尾阿根廷滑柔鱼样本,对角质颚12项外部形态进行测量,结合日龄数据,研究了不同产卵群间角质颚外形生长特性。主成分分析表明,上头盖长(UHL)、上脊突长(UCL)、上翼长(UWL)、下头盖长(LHL)、下脊突长(LCL)和下翼长(LWL)可作为角质颚外部形态变化的特征指标。角质颚外形生长存在群体间差异但不存在性别间差异。秋季产卵群的UHL、UCL、UWL、和LHL与日龄关系适合用幂函数表示,而LCL和LWL与日龄关系则适合用指数函数表示;冬季产卵群的UHL、UCL、LHL、LCL和LWL适合用线性函数表示,UWL则适合用幂数函数表示。2个产卵群主要外形参数的绝对生长率随着日龄增加而先增加后减小,相对生长率总体上随着日龄的增加而减小。研究认为,不同产卵群体间角质颚外形生长存在显著性差异,这为利用角质颚外形参数进行群体划分及日龄判别打下基础。 相似文献
8.
角质颚是鸢乌贼重要的摄食器官,信息储存能力强,被广泛用于重建头足类生活史等研究。根据2017年5—8月中国灯光罩网渔船在南海西沙群岛海域采集的860尾鸢乌贼样本,结合经研磨后角质颚微结构中的日龄轮纹,对角质颚微结构及其外形生长特性展开了研究。结果表明,鸢乌贼角质颚上颚微结构分为头盖部和脊突部,两部均由明暗交替的日龄生长纹组成,头盖部的日龄生长纹较为清晰且易于读取。选取上头盖长(UHL)、上脊突长(UCL)、上侧壁长(ULWL)、上翼长(UWL)、下头盖长(LHL)、下脊突长(LCL)、下侧壁长(LLWL)和下翼长(LWL)作为描述西沙群岛海域鸢乌贼角质颚生长的外形特征参数。协方差分析表明,角质颚外形特征参数不存在性别间显著性差异。AIC分析表明, UCL和LCL与日龄的生长关系最适用线性生长模型表示, ULWL和LLWL与日龄的生长关系最适用对数生长模型表示, UHL、UWL、LHL和LWL与日龄的生长关系则均最适用于逻辑斯蒂生长模型表示。随着日龄的增加,鸢乌贼角质颚外形特征参数与胴长的比值基本稳定。日龄范围为211—240 d时,鸢乌贼角质颚UHL、UCL、UWL、LHL、LCL、LLWL和LWL的绝对生长率(AGR)较低。鸢乌贼角质颚在日龄介于121—210 d时生长迅速,在日龄介于211—240 d时生长速率下降,日龄211—240 d可能是鸢乌贼角质颚外部形态生长的拐点。研究结果为后续利用角质颚研究南海鸢乌贼的渔业生物学、生态学和关键生活史提供了科学依据。 相似文献
9.
南海鸢乌贼两个群体间角质颚形态差异分析 总被引：1，自引：0，他引：1
《中国海洋大学学报(自然科学版)》2015,(10)
角质颚具有形态特征稳定、良好的信息储存和耐腐蚀等特点,是开展头足类生物学研究的主要硬质材料之一。于2012年9月用灯光罩网船采集南海鸢乌贼样品,共采集角质颚1 325对,对其12个形态参数进行生物学测量,以胴长(ML)数据进行校正后,对中型群(MFS)和微型群(DFS)的形态差异进行分析,并构建了不同群体的判别函数。均数差异性检验表明:MFS群体不同性别的角质颚的上头盖长(UHL)、上脊突长(UCL)、下头盖长(LHL)、下脊突长(LCL)、下侧壁长(LLWL)存在显著差异(P0.01);DFS群体不同性别的UHL、UCL、上侧壁长(ULWL)、上翼长(UWL)、LHL、下翼长(LWL)存在显著性差异(P0.01);不同群体雄性的角质颚UHL、上喙宽(URW)、ULWL、UWL存在显著差异(P0.01);不同群体雌性的角质颚UHL存在显著性差异(P0.01)。主成分分析表明:MFS群体的主成分因子主要集中在UHL/ML和URL/ML,DFS群体主要集中在ULWL/ML、UCL/ML、LRL/ML、LRW/ML和URW/ML。以性别为区分,利用角质颚对2个群体分别建立判别函数,正确率均达到65%以上,2个群体在部分形态学指标上存在显著性差异,结论具有一定可信度。 相似文献
10.
近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。 相似文献
11.
This paper applies computer vision techniques to underwater video images of bioluminescent biota for quantifying, tracking, and identification. Active contour models are adapted for computerized image segmentation, labeling, tracking, and mapping of the bioluminescent plankton recorded by low-light-level video techniques. The system automatically identifies luminous events and extracts features such as duration, size, and coordinates of the point of impact, and uses this information to taxonomically classify the plankton species. This automatic classification can aid oceanographic researchers in characterizing the in situ spatial and temporal relationships of these organisms in their underwater environment. Experiments with real oceanographic data are reported. The results indicate that the approach yields performance comparable to human expert level capability. Furthermore, because the described technique has the potential to rapidly process vast quantities of video data, it may prove valuable for other similar applications 相似文献
12.
针对水下机器人作业过程中的近距离引导水下对接问题,以自治缆控水下机器人(ARV)为研究对象,为实现快速、高精度的水下对接,设计了基于反射光源识别的单目视觉辅助水下对接方法。通过在对接口布置反光带并将其作为目标图像,设计了图像处理和特征点提取的算法,经过图像特征信息的分析处理,优化算法的时间复杂度,提高了特征点提取的准确率和识别效率。最后设计了传统的引导灯方案与反光带方案的对比试验,验证算法的可行性,证明在水下环境下识别反射光源的方法极大提升了位置估计的准确率,同时在计算速度上也有显著提高,弥补了传统水下对接方法中精度不足或计算量大的缺陷,更好地满足了ARV水下对接的需求,能为潜水器实现水下自主对接提供参考依据。 相似文献
13.
水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。 相似文献
14.
溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。 相似文献
15.
确定区分星点与背景的阈值是星空图像处理的重要环节。介绍了根据背景灰度统计特征确定阈值的算法,根据星空图像灰度直方图的走势,提出一种基于灰度直方图的阈值算法;通过对实际拍摄大视场星图的处理,基于统计的阈值容易将亮背景中的亮噪声误认为星点提取,而基于直方图的阈值能够滤除这些噪点;针对星图中星点亮度不一的情况,提出在全局阈值的基础上应用Bernsen算法计算局部阈值提取暗星点,实验证明该算法能较充分地提取暗星图像。 相似文献
16.
针对卫星遥感技术在对滨海湿地互花米草监测时受分辨率、气候条件等多种因素限制存在一定局限性且通过单一的影像数据提取互花米草时精度不稳定的问题,提出了基于无人机点云与影像融合的面向对象互花米草提取方法。以黄河三角洲自然保护区为研究对象,获取了该区域的点云和多光谱影像。先将地面滤波后提取的植被点云与多光谱影像进行特征组合优化,然后对融合影像采用FNEA算法进行多尺度分割后采用基于改进的最近邻算法进行面向对象分类,最终得到的互花米草生产者精度和用户精度分别达到了82.53%和86.43%,较未融合点云的提取精度分别提高了22.34%和7.66%,分类结果的总体精度从89.54%提升至92.61%,且融合点云后影像能够有效区分两种生长状态的互花米草,表明本文提出的方法能够有效提高互花米草的提取精度。 相似文献