相关实验视频
Updated: Sep 16, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.7K
通过圆柱体自动水下斑马 (Plectropomus leopardus) 现象型测量
Mengran Liu1, Yaocheng Huang2, Guojun Xu2
1Key Laboratory of Marine Genetics and Breeding, College of Marine Life Sciences/Key Laboratory of Tropical Aquatic Germplasm of Hainan Province, Ocean University of China, Qingdao, China.
Scientific reports
|July 8, 2025
概括
本研究介绍了一种使用双眼相机和关键点检测的非侵入性鱼类测量系统. 该方法准确地测量了水下鱼的长度,提高了水产养殖效率和动物福利.
科学领域:
- 水产养殖技术 水产养殖技术
- 计算机视觉 计算机视觉 计算机视觉
- 生物识别信息 生物识别信息
背景情况:
- 准确的,非侵入性的鱼类测量对于水产养殖至关重要.
- 传统的方法是劳动密集型,昂贵,并可能有害.
- 现有的基于图像的方法与水下光学扭曲作斗争.
研究的目的:
- 开发一种准确的,非侵入性的方法来测量水下鱼类的表型特征.
- 解决水下成像中光折射和封闭效应的挑战.
- 提高水产养殖中的鱼长度测量的准确性和效率.
主要方法:
- 利用RTMDet和RTMPose架构进行鱼物体和关键点检测.
- 开发了一个鱼类关键点检测数据集,用于Plectropomus leopardus.
- 应用折射校正和最小方程方法用于3D坐标计算.
- 使用3D鼻子和尾巴坐标计算鱼体长度.
主要成果:
- 在关键点检测中获得了98.6%的准确性 (AP@0.5:0.95).
- 在水下,鱼的平均长度测量误差为3.2mm (MRPE=3.50%).
- 在NVIDIA GTX 1060 GPU上以28 FPS的实时处理.
- 与基线方法相比,减少了53.8%的MRPE.
结论:
- 开发的方法准确地检测鱼的关键点,并非侵入性地测量鱼的长度.
- 这种方法提高了测量效率,并遵守了水产养殖业的伦理标准.
- 与水产养殖应用的现有技术相比,提供了更好的准确性和实用性.
