用大面积成像测量水下环境的结构、组成和变化
April 18th, 2025
该协议涵盖了一个四步大面积成像调查方法，用于提取珊瑚礁群落的结构复杂性、群落组成和种群人口统计的指标。在协议的每个步骤中，都会优先考虑采集的影像质量和对源影像的集成访问。
我们使用四步大面积成像协议来收集底栖海洋生态系统的结构复杂性、群落组成和人口统计分析的生态数据。在每个新应用程序中，最大的挑战是定义原始影像中所需的分辨率，确定要成像的区域的空间范围，以及确保我们有足够的地块级复制以进行准确的科学分析。该协议强调源影像在整个四步过程中的价值，确保收集、存档并使用高质量的影像来促进详细的生态数据提取以进行分析。
这些数据处理和可视化工作流，尤其是那些利用原始影像的工作流，可确保在实验室中以数字方式收集的数据或由野外水肺潜水员收集的数据之间的兼容性。反过来，这允许将这些数字增强方法集成到现有的长期数据集中。这种方法可以显著增加我们收集的数据复制的空间范围，使我们能够提出空间上明确的问题并进行更稳健的人口统计分析。
最重要的是，它提高了我们跟踪生态随时间变化的能力。首先，使用 1 1/2 英寸长的十字平头螺钉将相机框架的外框架面板连接到摄像机安装面板和立柱上。准备两台数码单反相机，一台配备固定广角镜头，另一台配备变焦镜头。
连接并固定半球端口以组装水下摄像机外壳。然后用 1/2 英寸长的十字头螺钉连接手柄。使用 1 1/8 英寸长的内六角螺钉固定相机安装板。
接下来，将相机插入外壳。并使用真空泵将外壳压力设置为 5 英寸汞柱，以验证 O 形圈密封件的完整性。现在，将相机安装板滑到安装框架面板上，以将外壳安装到相机框架上。
用翼形螺钉将外壳固定到位。对于图像捕获，请在设置为以每秒一帧的速率捕获的间隔计上启动每个相机。在底栖生物上方约 1.5 米处以网格状模式游泳。
垂直于第一个通道执行第二个网格化通道，每个通道之间保持大约一米的间距。确保刀路至少超出绘图边界两米，以确保在目标绘图区域内有足够的重叠。在计算机系统上启动用于图像处理的软件。
点击 工作流程，然后点击 添加文件夹 将所有图像加载到 Agisoft Metashape 项目中。加载文件后，选择数据布局作为 Single cameras （单个相机）、Add all images to one chunk（将所有图像添加到一个块）。删除场景中蓝色水过多的图像。
现在，点击 工作流程，然后点击 对齐照片 对齐所有图像。通过检查已对齐的相机的百分比来验证图像集是否已成功对齐。检查生成的稀疏点云是否存在覆盖范围差距或未对齐。
在继续之前，请确保边界框包含整个稀疏点云。如有必要，使用 Resize （调整大小） 或 Rotate Region （旋转区域） 选项修改定界框。接下来，禁用包含变焦镜头图像的摄像机组。
通过选择 Workflow（工作流），然后选择 Build Dense Cloud（构建密集云）来构建密集的点云。依次单击 Tools （工具）、Run Script （运行脚本）、Extract Meta PY Script （提取元 PY 脚本） 以导出摄像机姿势估计值。然后点击 文件，然后 出口 和 导出点 导出密集的点云。
将导出的密集点云文件拖放到 vc5prep-confident 上。bat 文件。将导出的数据文件（包括摄像机姿势文件）以及生成的程序文件编译到一个目录中，以便在可视化软件中使用。
使用 rugo 工具在密集的点云上创建一个 10 米 x 10 米的长方体。设置最大尺寸为 10 米，纵横比为 1.0，以指定 100 平方米的数据提取目标区域。接下来，使用 cams 工具将源图像链接到密集的点云。
启用模型上点的空间查询多图像视图。对于密度测量，在将图像链接到软件后，将透视视图的焦距更改为 100 毫米，以设置密集点云的伪地图视图。缩小到模型的自上而下的完整视图。
现在，使用给定的象限采样文件来捕获 Web 小程序中的视图，方法是单击单元格 C1 的 eval 并选择抓取按钮。通过在象限采样脚本中单击单元格 C2 和 C3 的 eval 来打开摄像头并链接象限采样工作流程中的图像。为 100 平方米的数据提取区域打开之前制作的 rugo 盒子。
在 Web 小程序中，评估 C4 制备细胞部分以采样 100 个象限，每个象限 1 平方米。在象限采样 Web 地址中，使用源影像搜索象限。使用双击左键重新定位采样位置，然后单击分类按钮将目标点指定为样本。
要删除标记的点，请双击左键并选中任何内容。将位于 asterisk aux recruits test1 下的所有采样文件编译到单个目录中。然后重命名每个文件以包含站点名称。
将按钮查找文件添加到目录中。按照内嵌说明运行屏幕脚本，以按站点和分类组聚合样本数据。要准备数据以提交到存储库，请生成一个方法描述文件，其中包含调查详细信息，例如覆盖的区域、照相机系统、地面控制标记和采集模式。
然后生成特定于影像数据集的调查元数据文件，包括站点名称、采集数据、GPS 坐标、绘图方位角、地面控制深度和比例数据等字段，以及使用的采集模式和照相机系统。将描述文件、元数据文件和图像文件合并到单个 ZIP 存档中，以便摄取到数据存储库中。成功的大面积图像收集导致了密集的点云重建，并完全覆盖了调查区域，而覆盖的冗余不足导致点云出现间隙或完全退化。
从大面积图像 （LAI） 中提取的线性粗糙度测量与不同地点复杂性的原位测量密切相关，除了异常值。来自 LAI 的底栖群落组成和功能群覆盖率百分比与传统照片样方调查相匹配。由于 LAI 调查中的区域覆盖面广，因此使用 LAI 方法记录的无柄无脊椎动物，尤其是海胆丰度始终高于原位方法。
与原位方法相比，使用 LAI 调查的珊瑚群落分割揭示了常见珊瑚类群的大小分布相似。密集点云的共同配准允许监测珊瑚礁随时间的变化，即使在具有高生长和结构损失的动态环境中也是如此，正如千禧环礁所展示的那样。
概述
本协议概述了一种四步成像方法，旨在收集珊瑚礁群落的生态数据，重点关注结构复杂性、群落组成和人口统计指标。重点放在图像质量和整个过程中源图像的整合上。
关键研究组成部分
科学领域
- 生态学
- 海洋生物学
- 珊瑚礁研究
背景
- 了解底栖海洋生态系统对生态评估至关重要。
- 挑战包括定义分辨率、空间范围和样地水平复制。
- 高质量的图像对于准确的数据提取和分析至关重要。
- 数字方法的整合增强了长期数据集。
研究目的
- 开发用于生态数据收集的稳健成像协议。
- 促进珊瑚礁群落的详细分析。
- 提高跟踪生态变化的能力。
使用的方法
- 组装带有特定镜头的水下摄像系统。
- 使用系统化网格图案在底栖区上方捕捉图像。
- 使用软件处理图像以创建点云进行分析。
- 将源图像与密集点云链接以进行详细采样。
主要结果
- 成功收集高质量的生态指标图像。
- 创建用于空间分析的密集点云。
- 提高在更大区域内进行人口统计分析的能力。
- 改进跟踪生态变化的方法。
结论
- 四步成像协议显著推进了生态数据收集。
- 高质量图像对于准确的生态评估至关重要。
- 这种方法允许更全面地研究珊瑚礁动态。
常见问题
Executive Industry Relevance
Large-area underwater imaging workflows enable high-resolution, quantitative mapping of subtidal environments, supporting robust ecological hypothesis testing and longitudinal monitoring. By generating digital twins and integrating source imagery, these methods increase data throughput and reproducibility, directly impacting early discovery and translational research in marine biotechnology. The approach enhances predictive confidence in environmental assessments and supports scalable, cross-site portfolio studies.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of ecosystem structure and organismal distribution for hypothesis-driven studies.
- Supports mechanistic de-risking by providing detailed, reproducible spatial data for target environments.
- Facilitates functional validation of ecological models through high-fidelity digital reconstructions.
Screening & Assay Development
- Prepares validated digital models for downstream computational or image-based screening workflows.
- Standardizes data collection and extraction, improving reproducibility and assay comparability across sites.
- Delivers quantitative outputs for structural complexity and community composition, supporting robust screening criteria.
Translational & Preclinical Research
- Aligns ecological data with translational biomarker development by enabling longitudinal tracking of environmental change.
- Ensures continuity from field data acquisition to digital analysis, supporting risk-adjusted advancement decisions.
- Provides predictive de-risking for interventions or monitoring strategies in marine environments.
Pipeline & Workflow Integration
This imaging methodology integrates from early ecological discovery through digital assay development to translational environmental monitoring, supporting scalable and reusable workflows.
- Discovery Biology: Facilitates hypothesis testing and pathway clarification by enabling spatially explicit, quantitative analyses.
- Screening: Provides standardized, reproducible digital datasets for comparative analysis and screening readiness.
- Analytics: Generates quantitative measurements of structural complexity, community composition, and demographic parameters.
- Translational Research: Supports longitudinal monitoring and biomarker alignment through digital twin continuity.
- Enterprise Reuse: Establishes a reusable imaging and analysis pipeline adaptable across diverse marine systems.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces ambiguity in ecological assessments.
- Operational Value: Standardizes imaging, data extraction, and curation for scalable, reproducible workflows.
- Strategic Value: Enables robust go/no-go decisions and efficient resource allocation in environmental R&D portfolios.
- Portfolio Impact: Supports risk-adjusted prioritization and cross-site comparability for large-scale studies.
Implementation Considerations
- Requires expertise in underwater imaging, digital modeling, and ecological data analysis.
- Demands robust camera systems, computational infrastructure, and specialized visualization software.
- Necessitates standardized metadata and data curation protocols for cross-team integration.
- Adaptable to various marine environments but dependent on site-specific imaging conditions.
- Limitations include the need for adequate spatial replication and high-quality source imagery for reliable outputs.
