鱼类受精卵胎动次数确定方法技术

本发明专利技术公开一种鱼类受精卵胎动次数确定方法

【技术实现步骤摘要】
鱼类受精卵胎动次数确定方法、系统、电子设备及介质


[0001]本专利技术涉及鱼类生理生态学
，特别是涉及一种鱼类受精卵胎动次数确定方法
、
系统
、
电子设备及介质
。

技术介绍

[0002]近几年，由于水资源污染
、
大坝阻隔
、
城市建设等人工活动对中国渔业资源造成了严重的威胁，其中在鱼卵胚胎发育方面，由于生存环境的急剧变化不仅严重影响中国相关鱼类胚胎的正常发育和生长，还造成中国的野生鱼群体资源锐减，种质资源出现了退化等现象，这对中国的未来渔业发展是非常不利的
。
[0003]基于鱼类胚胎发育的研究目前非常普遍，涉及渔业资源评估
、
良种选育
、
增殖放流等多个方面，同时也是动物遗传和发育生物学中重要的研究课题，受精卵的发育与测量以及胎动测量的技术也是水产育种工作中最为关键的一个环节
。
因为胚胎发育是从一个受精卵不断发育成比较成熟且形态正常
、
健康个体的过程
。
所以对于发育过程的监测研究，以及受精卵的健康状况监督，不仅可以为鱼类胚胎发育的理论研究提供更好的技术手段，也能够建立目前缺乏的相关标准
。
一直以来，众多学者使用不同方法对鱼类胚胎发育的各个生物学特征进行深入研究，大大提高了中国相关鱼类的孵化率和成活率，但目前监测鱼类受精卵发育的手段主要依靠人工镜检去进行分析
、
测量
、
计数，不仅效率低
、
耗时长，还耗费了大量的人力物力，此外进行受精卵发育的监测手段受人为影响大，易产生大误差，具有较强的专家依赖性，无法满足现有的研究需求
。
[0004]在鱼类受精卵发育的监测中，统计单位时间内鱼类受精卵的胎动次数是非常必要的，目前主要依靠人工镜检统计单位时间内鱼类受精卵的胎动次数，不仅效率低，而且统计结果也不准确
。

技术实现思路

[0005]本专利技术的目的是提供一种鱼类受精卵胎动次数确定方法
、
系统
、
电子设备及介质，可高效
、
准确地确定出单位时间内鱼类受精卵的胎动次数
。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种鱼类受精卵胎动次数确定方法，所述方法包括：
[0008]获取多个带标签的鱼类受精卵视频样本；所述标签包括0和1；1表示受精卵发生胎动；0表示受精卵未发生胎动；
[0009]利用
Two stage
目标检测算法识别出每个带标签的所述鱼类受精卵视频样本中每个受精卵；
[0010]利用
key points
提取算法提取出每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点；
[0011]利用多目标跟踪算法跟踪记录每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹；
[0012]根据每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹，利用余弦距离计算每个带标签的所述鱼类受精卵视频样本的每相邻两帧图像中每个受精卵的关键点位置变化关系，得到每个带标签的所述鱼类受精卵视频样本中每个受精卵对应的多组关键点位置变化关系；
[0013]利用每个带标签的所述鱼类受精卵视频样本中每个受精卵对应的多组关键点位置变化关系对胎动模型进行训练和优化，得到优化后的胎动模型；
[0014]获取待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系；所述待预测鱼类受精卵视频为待确定鱼类受精卵胎动次数的鱼类受精卵视频；
[0015]将所述待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系输入所述优化后的胎动模型中，得到所述待预测鱼类受精卵视频中每个受精卵发生胎动的概率值；所述概率值在
0~1
之间；
[0016]根据所述待预测鱼类受精卵视频中每个受精卵发生胎动的概率值，统计出单位时间内所述待预测鱼类受精卵视频中每个受精卵的胎动次数
。
[0017]可选地，所述获取待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系，之前还包括：
[0018]获取待预测鱼类受精卵视频；
[0019]利用
Two stage
目标检测算法识别出所述待预测鱼类受精卵视频中每个受精卵；
[0020]利用
key points
提取算法提取出所述待预测鱼类受精卵视频中每个受精卵的关键点；
[0021]利用多目标跟踪算法跟踪记录所述待预测鱼类受精卵视频中每个受精卵的关键点的轨迹；
[0022]根据所述待预测鱼类受精卵视频中每个受精卵的关键点的轨迹，利用余弦距离计算所述待预测鱼类受精卵视频的每相邻两帧图像中每个受精卵的关键点位置变化关系，得到所述待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系
。
[0023]可选地，所述多目标跟踪算法使用的是
ReID
技术
。
[0024]可选地，所述胎动模型使用卷积神经网络做回归任务
。
[0025]本专利技术还提供了如下方案：
[0026]一种鱼类受精卵胎动次数确定系统，所述系统包括：
[0027]视频样本获取模块，用于获取多个带标签的鱼类受精卵视频样本；所述标签包括0和1；1表示受精卵发生胎动；0表示受精卵未发生胎动；
[0028]受精卵识别模块，用于利用
Two stage
目标检测算法识别出每个带标签的所述鱼类受精卵视频样本中每个受精卵；
[0029]关键点提取模块，用于利用
key points
提取算法提取出每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点；
[0030]关键点轨迹跟踪记录模块，用于利用多目标跟踪算法跟踪记录每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹；
[0031]关键点位置变化关系计算模块，用于根据每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹，利用余弦距离计算每个带标签的所述鱼类受精卵视频样本的每相邻两帧图像中每个受精卵的关键点位置变化关系，得到每个带标签的所述鱼类受精
卵视频样本中每个受精卵对应的多组关键点位置变化关系；
[0032]胎动模型训练和优化模块，用于利用每个带标签的所述鱼类受精卵视频样本中每个受精卵对应的多组关键点位置变化关系对胎动模型进行训练和优化，得到优化后的胎动模型；
[0033]待预测关键点位置变化关系获取模块，用于获取待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系；所述待预测鱼类受精卵视频为待确定鱼类受精卵胎动次数的鱼类受精卵视频；
[0034]胎动模型预测模块，用于将所述待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系输入所述优化后的胎本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种鱼类受精卵胎动次数确定方法，其特征在于，所述方法包括：获取多个带标签的鱼类受精卵视频样本；所述标签包括0和1；1表示受精卵发生胎动；0表示受精卵未发生胎动；利用
Two stage
目标检测算法识别出每个带标签的所述鱼类受精卵视频样本中每个受精卵；利用
key points
提取算法提取出每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点；利用多目标跟踪算法跟踪记录每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹；根据每个带标签的所述鱼类受精卵视频样本中每个受精卵的关键点的轨迹，利用余弦距离计算每个带标签的所述鱼类受精卵视频样本的每相邻两帧图像中每个受精卵的关键点位置变化关系，得到每个带标签的所述鱼类受精卵视频样本中每个受精卵对应的多组关键点位置变化关系；利用每个带标签的所述鱼类受精卵视频样本中每个受精卵对应的多组关键点位置变化关系对胎动模型进行训练和优化，得到优化后的胎动模型；获取待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系；所述待预测鱼类受精卵视频为待确定鱼类受精卵胎动次数的鱼类受精卵视频；将所述待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系输入所述优化后的胎动模型中，得到所述待预测鱼类受精卵视频中每个受精卵发生胎动的概率值；所述概率值在
0~1
之间；根据所述待预测鱼类受精卵视频中每个受精卵发生胎动的概率值，统计出单位时间内所述待预测鱼类受精卵视频中每个受精卵的胎动次数
。2.
根据权利要求1所述的鱼类受精卵胎动次数确定方法，其特征在于，所述获取待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系，之前还包括：获取待预测鱼类受精卵视频；利用
Two stage
目标检测算法识别出所述待预测鱼类受精卵视频中每个受精卵；利用
key points
提取算法提取出所述待预测鱼类受精卵视频中每个受精卵的关键点；利用多目标跟踪算法跟踪记录所述待预测鱼类受精卵视频中每个受精卵的关键点的轨迹；根据所述待预测鱼类受精卵视频中每个受精卵的关键点的轨迹，利用余弦距离计算所述待预测鱼类受精卵视频的每相邻两帧图像中每个受精卵的关键点位置变化关系，得到所述待预测鱼类受精卵视频中每个受精卵对应的多组关键点位置变化关系
。3.
根据权利要求1所述的鱼类受精卵胎动次数确定方法，其特征在于，所述多目标跟踪算法使用的是
ReID
技术
。4.
根据权利要求1所述的鱼类受精卵胎动次数确定方法，其特征在于，所述胎动模型使用卷积神经网络做回归任务
。5.
一种鱼类受精卵胎动次数确定系统，其特征在于，所述系统包括：视频样本获取模块，用于获取多个带标签的鱼类受精卵视频样本；所述标签包括0和1；1表示受精卵发生胎动；0表示受精卵未发生胎动；
受精卵识别模块，用于利用
Two stage
目标检测算法识别出每个带标签的所述鱼类受精卵视频样本中每个受精卵；关键点提取模块，用于利用

【专利技术属性】
技术研发人员：段明，邹青青，段瑞，冯丽萍，
申请(专利权)人：中国科学院水生生物研究所，
类型：发明
国别省市：