利用水下立体视频工具量化鱼类密度的新方法研究进展
2017年11月20日
我们描述了一种新的计数鱼类, 并估计相对丰度 (MaxN) 和鱼类密度使用旋转立体摄像系统。我们还演示了如何使用距离相机 (Z 距离), 以估计 species-specific 可探测性。
这种视频分析技术的总体目标是更准确地估计深岩栖息地中鱼类的密度、平均长度和物种组成。这种方法可以帮助回答渔业管理领域的关键问题，例如栖息在深水岩礁中的物种的丰度和大小分布如何。这种技术的主要优点是它可以提供更准确的密度估计，而无需从环境中提取鱼类。
在此过程之前，请按照文本协议中的概述收集字段数据。在立体摄影测量中，了解相机的确切相对位置对于准确测量非常重要。正确校准是此过程的重要步骤。
外业研究完成后，创建一个包含视频和校准文件的新工程文件夹。在立体测量软件中，导航到 Measurement（测量）、New measurement file（新建测量文件）。通过导航到 Picture 来设置图片目录。
设置图片目录，然后选择包含所有项目文件的文件夹。导航到 立体（Stereo）、摄像机（Cameras）、左（Left），然后导航到 加载摄像机文件（Load camera file） 以选择并加载相应的左摄像机文件。重复此过程，选择 Right （正确） 以加载正确的摄像机文件。
接下来，导航到 Picture （图片）、Define movie sequence （定义影片序列）。选择左侧摄像机视频文件以定义左侧视频的影片序列。点击 图片， 加载图片 将左侧的视频文件加载到测量软件中。
在此之后，单击 Stereo、Picture 和 Define movie sequence 以定义正确视频的影片序列。通过选择加载视频文件 立体， 图片 然后加载视频。导航到 Measurement、Attributes 和 Edit load species file 以加载物种列表。
单击 Measurement（测量）、Information fields（信息字段）、Edit field values（编辑字段值）以打开信息字段值表。输入调查 ID 信息并保存文件以创建事件测量观测项目。如果使用 UTC 时间戳，则在左侧视频中向前移动帧，直到时间戳开始新的一秒，或者直到出现轻微闪烁或拍手。
将右侧视频向前移动帧，直到时间戳灯闪烁或拍手与左侧视频完全匹配。然后，点击 锁定 按钮以确保视频一起播放并保持同步。着陆器开始第一次旋转后，右键单击并选择 Period definitions， Add new start period 以定义新的采样周期。
输入 0 1 作为第一个期间名称，然后单击 OK（确定）。当着陆器旋转时，右键单击，选择 Add point（添加点）并选择正确的物种名称，用 2D 点标记进入帧的每条鱼。Label 设置为尽可能低的分类级别，然后单击 OK（确定）。继续标记每条新鱼，直到轮换完成。识别和计数每条鱼以获得 MaxN 的准确估计值至关重要。
对额外的着陆器旋转重复此过程，确保在每个旋转开始时定义新的周期。枚举完所有旋转后，导航到 测量、测量摘要、点测量 并将 2D 点保存为 TXT 文件。以电子表格的形式打开此文件。
导航到 插入， 数据透视表 创建数据透视表。选择 Genus 和 Species 作为行标签，并选择 Period 作为列标签。选择给定物种的个体数最多的摄像机旋转，以选择该物种的 MaxN。
对于仅确定为属的鱼，根据该特定属中确定的个体数量最多的轮换选择属水平 MaxN。接下来，使用保存的 2D 点导航到完全相同的鱼进行 3D 测量。至少放大四次以更好地识别鱼吻尖和尾鳍边缘。
手动单击左侧相机中的鼻子尖端，然后单击尾巴边缘。在右侧视频中以相同的顺序重复选择。然后，右键单击，选择 Add length 并选择正确的物种标识。
如果无法进行 3D 长度测量，请在两个视频中的鱼的相同位置单击鼠标左键以标记 3D 点。填写信息字段，留下注释 Exclude from length measurement（从长度测量中排除）。完成所有鱼的 3D 测量后，导航到测量、测量摘要和 3D 点和长度测量。
将数据另存为 TXT 文件以将其导出以供进一步分析。然后，确定是否按照文本协议中的概述获得了足够的样品。在这项研究中，水下立体视频工具被用来量化鱼类密度。
在观察到的物种的可检测范围内有明显的模式，这可能是由于每个物种的大小、形状和颜色的相互作用。然后特别对两个物种进行 95%Z 距离计算。对于 Sebastes wilsoni 和 Ophiodon elongatus，Sebastes wilsoni 的 95%Z 距离为 2.65 米，Ophiodon elongatus 为 3.96 米，这意味着有效调查区域分别为 18.6 平方米和 46 平方米。
简单的 bootstrap 分析证实，当对 50 多个调查进行采样时，两个样本的 95%Z 距离估计值会稳定下来，因此获得了足够的样本量。然后将每次调查的 MaxN 计数转换为密度。对于这两个物种，与低地势栖息地相比，高地势和中地势栖息地的密度明显更高。
伪静止着陆器的密度估计使用减少的覆盖区域进行标准化。旋转相机获得的平均密度比使用固定相机获得的平均密度高 18%。此外，当使用固定相机时，变异系数要高出 1.8 倍。
一旦掌握，如果作得当，这项技术可以在几分钟内用于计数和测量鱼。执行此过程时，请务必记住 95%Z 值是特定于工具和调查的。特定值不应普遍使用。
按照此过程，可以执行各种多元或排序统计，以回答有关不同栖息地类型中物种组成的其他问题。这项技术的影响延伸到更好地了解深水岩礁物种的生态学，因为目前的调查机制对鱼类的长度和丰度的了解很差。认为这项技术可以提供对深水海洋栖息地的了解，它也可以在其他系统（如珊瑚礁和海带森林）中发挥作用。
一般来说，刚接触这种方法的人会很费劲，因为它需要了解立体相机系统的几何形状。该技术的可视化演示很有帮助，因为 MaxN 的计算来自各种数据，因此需要在软件中执行许多步骤。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了一种新颖的方法，用于通过旋转立体视频摄像系统来计数鱼类并估算它们的相对丰富度和密度。该技术通过纳入距离摄像机的距离来提高种类特定的可检测性的准确性。
关键研究组成部分
科学领域
- 渔业管理
- 海洋生态学
- 视频分析技术
背景
- 准确估算鱼类密度和物种组成对于有效的渔业管理至关重要。
- 传统方法通常涉及捕捞鱼类，这可能对种群造成损害。
- 旋转立体视频系统提供了一种非侵入性的替代方法来监测鱼类种群。
- 摄像系统的校准对于精确测量至关重要。
研究目的
- 开发一种提供深水岩石栖息地鱼类密度准确估算的方法。
- 评估这些环境中鱼类物种的大小分布和丰富度。
- 在不伤害鱼类的情况下提高对物种组成的理解。
使用的方法
- 利用旋转立体视频摄像系统进行鱼类计数。
- 估算相对丰富度（MaxN）和鱼类密度。
- 纳入距离摄像机的距离（Z距离）进行可检测性分析。
- 按照概述的协议进行现场数据收集。
主要结果
- 该方法提供的密度估算比传统技术更准确。
- 考虑摄像机距离后，种类特定的可检测性得到改善。
- 结果表明对深水岩礁鱼类种群有全面的理解。
- 该技术通过校准和现场数据分析得到验证。
结论
- 这种新方法是非侵入性鱼类种群评估的重大进步。
- 它可以为渔业管理决策和保护工作提供信息。
- 进一步的研究可能会扩展其应用到其他海洋栖息地。
常见问题
Executive Industry Relevance
Accurate quantification of biological populations is foundational for target validation and preclinical model development in biopharma R&D. This method demonstrates how non-invasive, high-resolution imaging can improve predictive confidence in biological system characterization. By standardizing detectability thresholds and reducing measurement variability, it supports mechanistic de-risking in early discovery workflows.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of biological hypotheses through precise spatial mapping of target engagement in complex tissue environments.
- Operational Value: Reduces need for destructive sampling, preserving sample integrity for longitudinal analysis.
- Predictive Value: Improves target confidence by minimizing false negatives in low-abundance target detection.
Screening & Assay Development
- Scientific Value: Provides quantitative, 3D-resolved readouts for compound-induced phenotypic changes in model systems.
- Operational Value: Standardizes assay outputs via species-specific detectability thresholds, enhancing reproducibility across labs.
- Scalability: Supports high-content screening through automated rotation and synchronized multi-camera data capture.
Translational & Preclinical Research
- Scientific Value: Enables disease-relevant system modeling by correlating spatial distribution with functional readouts in intact microenvironments.
- Operational Value: Facilitates cross-functional collaboration through standardized, exportable measurement formats (TXT, pivot tables).
- Translational Continuity: Supports biomarker alignment by linking morphological changes to spatial density shifts over time.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target validation through lead optimization, where spatial quantification informs mechanism of action and structure-activity relationships.
- Discovery Biology: Supports pathway clarification by enabling co-localization analysis of multiple biomarkers in 3D space.
- Screening: Delivers assay readiness through synchronized video capture and species-level MaxN extraction per rotation period.
- Analytics: Generates quantitative dependent variables (3D length, density, MaxN) enabling statistical comparison across experimental conditions.
- Translational Research: Connects to preclinical validation via habitat-stratified density estimates that mirror tissue microenvironment heterogeneity.
- Enterprise Reuse: Establishes a reusable calibration and synchronization framework applicable across diverse model systems and imaging platforms.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity in spatial biology.
- Operational Value: Standardization, reproducibility, and scalability through locked video synchronization and species-file mapping.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk via early detectability profiling.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions based on standardized, habitat-normalized density metrics.
Implementation Considerations
- Requires expertise in stereophotogrammetry and multi-camera synchronization for accurate Z-distance measurement.
- Dependent on calibrated stereo camera systems and measurement software capable of 3D point and length extraction.
- Necessitates cross-team standardization of species identification protocols and period definition workflows.
- Involves adaptation considerations for varying optical properties (size, shape, coloration) affecting detectability across model systems.
- Limited by manual annotation burden during high-density events, suggesting opportunity for semi-automated tracking integration.
