基于Faster R-CNN的对虾生长性状表型高通量测定技术的建立及应用
文献类型：CNKI期刊论文
| 作者 | 鲍镇宁; 于洋 ; 李富花
|
| 发表日期 | 2023-03-21 |
| 出处 | 水生生物学报
 |
| 关键词 | 表型组 计算机视觉 深度学习 对虾 |
| 英文摘要 | 为提高对虾外部生长性状表型数据的获取效率,利用拍照获得的对虾外部表型照片,采用基于区域生成网络RPN(Region Proposal Networks)的Faster R-CNN(Faster Region-convolutional neural networks)深度学习神经网络,通过对8400张对虾表型照片的学习和训练,构建了快速识别对虾全长并输出位置信息的模型。该模型可识别图片中的对虾并以识别框的形式表示出具体的位置。对于不同角度拍摄的对虾,模型生成识别框的长度或对角线长度与人工测量的对虾全长之间呈高度相关。研究以此建立了对虾全长性状表型数据高通量测定技术,该技术的建立可以在对虾生长性状表型数据测定中节省人工测量的时间,提高了对虾全基因组选择育种的效率。此外,该模型的建立也为对虾头胸部长度及不同体节长度等其他外部表型数据的测定提供了新的思路,为对虾生长性状表型组的建立奠定了重要基础。 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 中国科学院战略性先导科技专项(XDA24030105)资助~~ |
| 卷 | v.47期:10页:34-42 |
| 语种 | 中文; |
| 分类号 | S917.4 |
| ISSN号 | 1000-3207 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/187160]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国科学院海洋研究所实验海洋生物学重点实验室 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 鲍镇宁,于洋,李富花. 基于Faster R-CNN的对虾生长性状表型高通量测定技术的建立及应用. 2023. |
入库方式： OAI收割
来源：海洋研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。