강변 거대 무척추 동물의 군집 크기 구조를 결정하기위한 자동 이미지 처리

신체 크기는 모니터링의 핵심 특성으로 우선 순위가 지정되었습니다. 그러나 개별 크기를 측정하는 것은 시간이 많이 걸립니다. 우리의 방법은 담수 생태계에 미치는 영향을 평가하기 위해 거대 무척추 동물 크기 스펙트럼을 일상적으로 사용할 수있게합니다.

우리의 프로토콜은 약 한 시간 안에 샘플에서 강 거대 무척추 동물의 개별 크기 분포를 자동으로 결정하는 표준화 된 방법을 제공합니다. 절차를 시연하는 것은 빅 대학의 로사 구리가 될 것입니다. 시작하려면 스캐너를 켜십시오.

그리고 이중 위치에서 조명을 켭니다. 상단과 하단에서 백색광을 투사합니다. 그런 다음 스캔 트레이를 청소하고 수돗물로 헹굽니다.

블랭크를 만들려면 유리가 덮일 때까지 실온에서 110ml의 수돗물을 스캔 트레이에 붓습니다. 왼쪽 상단 모서리가 있는 스캔 트레이에 큰 프레임을 놓습니다. 그리고 스캔한 이미지를 변경하는 반월판 효과를 피하기 위해 프레임의 단계를 덮을 때까지 수돗물로 채웁니다.

그런 다음 이미지 처리 소프트웨어를 열고 작업 프로젝트를 선택한 다음 스캔 변환 배경 이미지를 클릭합니다. 그런 다음 스캔 소프트웨어를 열고 미리보기를 클릭하십시오. 이미지에 선이나 점이 없는지 확인하고 스캔을 시작하기 전에 30초 이상 기다리십시오.

그런 다음 두 번째 스캔 전에 지침 창에서 확인을 눌러 스캔 소프트웨어에서 이미지 처리 소프트웨어로 데이터를 전송합니다. 유리가 덮일 때까지 110ml의 70 % 에탄올을 스캔 트레이에 붓습니다. 그리고 큰 프레임을 놓습니다.

그런 다음 거대 무척추 동물 샘플을 프레임 가장자리가있는 스캔 트레이에 붓고 필요한 경우 더 많은 에탄올로 덮습니다. 그런 다음 나무 바늘을 사용하여 프레임 영역 전체에 걸쳐 샘플을 균질화합니다. 적절한 이미지 처리를 위해 가장 큰 개인을 트레이 중앙에 배치합니다.

그리고 떠 다니는 유기체를 가라 앉히십시오. 또한 클러스터 된 유기체를 분리하십시오. 그리고 프레임 가장자리에 닿는 유기체를 중앙으로 당깁니다.

다음으로, 아카이브 없음 프로세스에 대한 zoo 스캔으로 샘플 스캔을 클릭하여 스캔을 진행합니다. 샘플을 선택하고 지침을 따릅니다. 스캔 소프트웨어에서 선이나 점이 없는지 이미지를 미리 봅니다.

30초 후 스캔 소프트웨어에서 스캔 버튼을 클릭합니다. 그리고 원시 스캔 이미지가 올바른지 확인하십시오. 프레임을 제거하고 부착 된 거대 무척추 동물을 회수하기 위해 70 % 에탄올로 채워진 스퀴즈 병으로 스캔 트레이 위로 씻으십시오.

스캐너의 윗부분을 들어 올려 스캔 검색 깔때기를 통해 모든 유기체와 에탄올을 비커로 검색합니다. 스캐너의 윗부분을 들어 올린 상태에서 스퀴즈 병으로 트레이를 청소하여 남아 있는 유기체를 따라 쓸어냅니다. 모든 표본을 회수 한 후 수돗물로 트레이를 청소하십시오.

신원을 예측하려면 자동 식별 소프트웨어에서 데이터 분석을 클릭합니다. 학습 파일 선택에서 PID_Process을 찾은 다음 learning_set 선택하여 사용할 학습 세트 파일을 선택합니다. 그런 다음 샘플 파일 선택의 PID_results 폴더에서 예측할 샘플을 선택합니다.

방법 선택에서 랜덤 포리스트 방법을 선택한 다음 각 샘플에 대한 자세한 결과 저장 버튼을 선택합니다. 원래 변수에서 위치 변수를 선택 취소합니다. 마지막으로 사용자 지정 변수에서 ESD만 선택합니다.

분석 시작을 클릭하고 결과를 analysis_name로 저장합니다. PID_process 예측 폴더에 있는 txt입니다. 수동으로 검증하려면 분석 sample_dat_1 txt 파일을 PID_process 예측 폴더에서 PID_process PID_results 폴더로 복사합니다.

이미지 처리 소프트웨어에서 예측 또는 검증에 따라 폴더에서 비네팅 추출을 선택합니다. 그런 다음 PID_results 폴더에서 사용 된 예측 파일을 선택하십시오. 그리고 기본 설정을 사용하면 확인을 누르면 새 폴더가 생성됩니다.

이제 PID_process 정렬 된 비 네트 폴더로 이동하여 샘플 이름, 날짜 및 시간으로 명명 된 새로 생성 된 폴더를 복사하여 유효성을 검사합니다. 유효성을 검사할 폴더의 이름을 validated로 바꿉니다. 자동 분류의 유효성을 수동으로 검사하려면 이름이 바뀐 폴더 샘플 이름, 날짜 및 유효성이 검사된 시간을 엽니다.

각 하위 폴더의 모든 비네팅을 검토하여 잘못 분류된 개체가 있는 경우 식별합니다. 개체가 잘못 분류되면 비네팅을 올바른 폴더로 끕니다. 다음으로, 정렬된 비네팅에서 로드 식별을 선택합니다.

기본 설정을 유지하면서 처리 할 날짜, 시간, 이름이 확인 된 파일을 선택하십시오. 그런 다음 PID_process, PID_results 다음 dat1_validated로 이동하십시오. 그리고 날짜 및 시간 txt ID_from_sorted_vignettes 파일을 열어 각 개체의 전문가 분류를 지정하는 마지막 열, 예측, 검증된 ID, 날짜 및 시간이 생성되었는지 확인합니다.

거대 무척추 동물에 대한 시스템을 테스트하는 동안 일부 스캔은 처리 된 이미지에서 품질이 좋지 않았습니다. 그럼에도 불구하고, 원시 및 처리 된 이미지의 스캔 품질이 좋은 훌륭한 하위 샘플은 묘사 된 것처럼 보입니다. 분석된 비네트 세트에서 86.1%는 파편에 해당합니다.

찌꺼기, 섬유, 신체 부위 또는 스캐닝 인공물을 포함합니다. 그리고 나머지 13.9 % 검출 된 물체의 무척추 동물에 해당합니다. 자동 인식에 이어 객체의 수동 검증은 모든 범주에 대해 높은 재현율을 보였습니다.

오염은 다른 무척추 동물을 제외하고는 다소 낮았습니다. 자동 대 검증 된 거대 무척추 동물 풍부도의 비교는 파편으로 인한 오염으로 인한 자동 성능에 의한 약간의 과대 평가와 높은 상관 관계를 보였다. 자동 예측의 개별 크기 분포의 확률 밀도 함수는 미세하고 거친 하위 표본에 대한 검증된 예측에서 강력하게 발생했습니다.

선택된 자연 샘플에서 접촉하는 물체를 분리한 후 검증된 하위 샘플은 증가된 풍부함을 보여주었습니다. 그러나 평균 타원체 부피는 검증 된 샘플에 가깝습니다. 수정된 샘플의 크기 분포는 검증된 샘플과 약간 달랐습니다.

그러나 강한 상관 관계가 관찰되었습니다. 정규화된 생체 부피 크기 스펙트럼은 처리 간에 유사하였다. 몇 가지 스펙트럼의 몇 가지 크기 클래스를 제외하고.

만지는 장기를 분리하는 데 필요한 시간을 내어 미세 스캔을 얻고 침전을 피하기 위해 에탄올로 스캔할 때마다 이 스캔 트레이를 물로 청소하십시오. 우리는 플랑크톤에서 강 거대 무척추 동물에 대해 만들어진이 절차를 채택했습니다. 따라서 잠재적으로 다른 미세한 그룹의 개별 신체 크기를 얻도록 조정할 수 있습니다.

예를 들어, 육상 무척추 동물. 이 방법을 사용하면 크고 특수하며 시간적 구배에 대한 거대 무척추 동물 군집 크기 구조를 체계적으로 추정 할 수 있습니다. 그리고 하천 생태계 기능 및 평가에서 신체 크기의 역할을 조사합니다.