基于卷积神经网络的仿刺参非侵入式标记方法的初步研究

使用体外标记技术可对仿刺参(Apostichopus japonicus)进行种群和个体尺度上的时空行为学研究、种群动态研究、良种繁育、高效采捕方法的研究。由于仿刺参体壁柔软, 排异能力较强, 使得传统的侵入式标记方法留存率较低; 且传统标记对体壁的破坏会导致伤口溃烂, 影响仿刺参的正常生活。为研发非侵入性的仿刺参识别技术, 本研究利用深度学习中的卷积神经网络模型, 对仿刺参图像进行特征提取, 该特征能够表征个体独特的体表纹理模式。对 50 d 内连续拍摄的仿刺参图像进行特征提取并训练分类器后, 发现分类器在测试集上最高可达到 0.996±0.011 的精度; 而传统的侵入式标记方法最高只能达到约 0.75 的精度。对实验仿刺参个体进行个体识别跟踪, 使用前 25 d 的仿刺参图像进行特征提取并训练模型, 对后 25 d 的图像进行预测, 可达到 0.946±0.058 的精度。实验结果表明, 使用 ResNet50 卷积神经网络可有效地对仿刺参进行预测, 并在时间追踪任务中取得优于传统标记方法的精度。     

仿刺参疣足数量SNP遗传力评估

随着测序技术的发展,基于单核苷酸多态性(SNP)分子标记的遗传力估计比传统法准确性更高,已被广泛应用于动植物育种中.本研究对不同地理仿刺参(Apostichopus japonicus)群体的疣足数量进行重测序全基因组水平的SNP遗传力估计,结果显示,次等位基因频率(Minor allele frequency,MAF...