2023年1月13日
本文基于一种改进的实验方案,通过半自动成像方法对与底栖河流大型无脊椎动物相对应的数字化物体进行扫描、检测、分类和识别。该方法可在约1小时内获取大型无脊椎动物群落的个体大小分布及大小参数。
体型大小一直被视为监测的关键性状。然而,测量个体大小十分耗时。我们的方法可实现大型无脊椎动物大小谱的常规应用,以评估对淡水生态系统的影响。
本方案提供了一种标准化的方法,可在约一小时内自动测定样本中河流大型无脊椎动物的个体大小分布。由维克大学的Rosa Guri演示该操作流程。首先,打开扫描仪。
然后将双位置的灯打开,以从顶部和底部投射白光。接下来,用自来水清洁并冲洗扫描托盘。
为制备空白样品,将110毫升室温自来水倒入扫描托盘中,直至覆盖玻璃表面。将大号框架放置在扫描托盘上,使其角落位于左上角,并继续加入自来水,直至水位覆盖框架的台阶部分,以避免弯月面效应影响扫描图像。
接下来,打开图像处理软件,选择工作项目,然后单击扫描转换背景图像。接着,打开扫描软件并单击预览。检查图像是否存在线条或斑点,并在开始扫描前至少等待30秒。
然后在第二次扫描前按下说明窗口中的“确定”按钮,以将扫描软件中的数据发送至图像处理软件。将110毫升70%乙醇倒入扫描托盘中,直至覆盖玻璃表面,并放置大框架。
然后将大型无脊椎动物样品倒入由边框固定的扫描托盘中,如有需要可加入更多乙醇。接着使用木针将样品在边框区域内充分混匀,并将较大的个体置于托盘中央,以利于后续图像处理。
并使漂浮的生物沉降。同时将聚集的生物分散开。将接触视野边缘的生物拉至中央。
接下来,点击“使用Zoo Scan扫描样本”以进行扫描,选择样本并按照说明操作,归档无需处理。在扫描软件中预览图像,确保无条纹或斑点。
30 秒后,点击扫描软件中的扫描按钮,并确认原始扫描图像正确无误。取下框架,使用装有 70% 乙醇的挤压瓶在扫描托盘上方冲洗,以回收任何附着的大型无脊椎动物。
抬起扫描仪的上部,使所有生物体和乙醇通过扫描回收漏斗进入烧杯中。保持扫描仪上部处于抬起状态,使用洗瓶冲洗托盘,将残留的生物体全部冲入漏斗。在回收完所有样本后,用自来水清洗托盘。
要预测样本身份,请在自动识别软件中点击“数据分析”。在“选择学习文件”中,找到 PID_Process,然后选择 learning_set 以选用相应的学习集文件。接下来,在“选择样本文件”中,从 PID_results 文件夹中选择待预测的样本。
在选择方法时,选择随机森林方法,然后勾选“保存每个样本的详细结果”按钮。在原始变量中,取消勾选位置变量。最后,在自定义变量中,仅勾选 ESD。
单击“开始分析”,并将结果保存为 analysis_name.txt,存储在 PID_process 预测文件夹中。为进行手动验证,将 PID_process 预测文件夹中的 analysis sample_dat_1.txt 文件复制到 PID_process、PID_results 文件夹中。
根据图像处理软件中的预测或验证结果,在文件夹中选择提取的片段。然后从 PID_results 文件夹中选择已使用的预测文件。使用默认设置,点击“确定”将创建一个新文件夹。
现在转到 PID_process 排序后的小插图文件夹,复制新创建的以样本名称、日期和时间命名的文件夹以进行验证。将该文件夹重命名为“样本名称、日期和时间_validated”。为手动验证自动分类结果,请打开重命名后的文件夹“样本名称、日期和时间_validated”。
检查每个子文件夹中的所有小图像,以识别是否存在分类错误的对象。若发现对象分类错误,将该小图像拖动至正确的文件夹。然后,选择“从已分类的小图像加载鉴定结果”。
保持默认设置,选择名为“date, time, name validated”的文件以进行处理。然后进入 PID_process、PID_results,再进入 dat1_validated。打开名为“ID_from_sorted_vignettes date and time txt”的文件,确认最后一列“prediction, validated ID, date and time”(该列指定了每个对象的专家分类)已成功生成。
在对大型无脊椎动物系统进行测试时,部分处理后图像的扫描质量较差。尽管如此,原始图像和处理后图像中仍存在一批扫描质量良好的优质子样本,其效果如图所示。在分析的 vignette 集合中,86.1% 对应为碎屑。
包括碎屑、纤维、身体部分或扫描伪影。其余13.9%的检测对象对应于无脊椎动物生物体。自动识别后接人工验证的方法在所有类别中均表现出高召回率。
尽管其他无脊椎动物的污染程度相对较低。自动识别与人工验证的大型无脊椎动物丰度比较显示高度相关,但由于碎屑污染,自动识别结果存在轻微高估。自动预测的个体大小分布概率密度函数与人工验证预测结果在细颗粒和粗颗粒子样本中高度一致。
从选定的天然样品中分离出接触颗粒后进行验证的子样品,其丰度有所增加,但平均椭球体积与已验证样品相近。经校正样品的粒径分布与已验证样品相比略有差异。
但观察到了显著的相关性。不同处理之间的归一化生物体积大小谱相似,仅在少数几个谱图的个别尺寸类别中存在差异。
花必要的时间将相互接触的器官分开以获得精细的扫描结果,并在每次扫描后用乙醇清洗扫描托盘,防止沉淀产生。我们已将原本为浮游生物设计的这一方法应用于河流大型无脊椎动物。因此,该方法有望被进一步调整,用于获取其他更精细类群个体的体长数据。
例如陆生无脊椎动物。该方法将实现对大范围空间和时间梯度下大型无脊椎动物群落体型结构的系统性估算,并通过评估探讨体型在河流生态系统功能中的作用。
查看完整文字稿并访问数千部科学视频
本文介绍了一种用于扫描和鉴定河流底栖大型无脊椎动物的半自动成像流程。该方法可在大约一小时内高效获取个体的大小分布及相关参数。
基于图像的河流大型无脊椎动物体型结构自动化定量分析,通过实现大规模快速、标准化测量,解决了生态指示生物工作流程中的一个关键瓶颈。该技术可提高环境影响评估的预测可信度,并为从事生态系统健康监测的生物制药研发团队提供可靠的数据驱动决策支持。该方案具有良好的可重复性和高通量特性,适用于投资组合层面的环境风险评估及转化研究的持续开展。
本方案贯穿从早期发现到转化研究的环境监测全过程,为野外样品采集与定量生态分析之间提供了桥梁。