Ontwikkeling van nieuwe methoden voor het kwantificeren van de dichtheid van de vissen met behulp van onderwater Stereo-video Tools
20 november 2017
Beschrijven we een nieuwe methode voor het tellen van de vissen, en het schatten van de relatieve overvloed (MaxN) en de dichtheid van de vissen met behulp van roterende stereo-video camerasystemen. We laten ook zien hoe met camera (Z afstand) afstand schatten soortspecifieke detecteerbaarheid.
Het algemene doel van deze videoanalysetechniek is om de dichtheid, gemiddelde lengte en soortensamenstelling van vissen in diepe rotsachtige habitats nauwkeuriger te schatten. Deze methode kan helpen bij het beantwoorden van belangrijke vragen op het gebied van visserijbeheer, zoals wat de abundantie en grootteverdeling is van soorten die in diepwater rotsriffen leven. Het grote voordeel van deze techniek is dat het nauwkeuriger dichtheidsschattingen geeft zonder vissen uit het milieu te verwijderen.
Voorafgaand aan deze procedure, verzamel veldgegevens zoals beschreven in het tekstprotocol. Bij stereofotogrammetrie is het kennen van de exacte relatieve positie van de camera's belangrijk voor nauwkeurige metingen. Een goede kalibratie is een belangrijke stap in dit proces.
Nadat het veldonderzoek is voltooid, maak een nieuw projectmap met zowel de video- als kalibratiebestanden. Navigeer in de stereomeetsoftware naar Meting, Nieuw meetbestand. Stel de afbeeldingsmap in door naar Afbeelding te navigeren.
Stel de afbeeldingsmap in en kies vervolgens de map met alle projectbestanden. Navigeer naar Stereo, Camera's, Links en laad vervolgens het camerabestand om het juiste linker camerabestand te selecteren en te laden. Herhaal dit proces door Rechts te kiezen om het rechter camerabestand te laden.
Navigeer vervolgens naar Afbeelding, Filmsequentie definiëren. Selecteer het linker camera videobestand om de filmsequentie voor de linker video te definiëren. Klik op Afbeelding, Afbeelding laden om het linker videobestand in de meetsoftware te laden.
Klik vervolgens op Stereo, Afbeelding, Filmsequentie definiëren om de filmsequentie voor de rechter video te definiëren. Laad het videobestand door Stereo, Afbeelding te selecteren en vervolgens video te laden. Navigeer naar Meting, Attributen, Laad soortenbestand bewerken om de soortenlijst te laden.
Klik op Meting, Informatievelden, Veldwaarden bewerken om de tabel met informatieveldwaarden te openen. Voer de enquête-ID-informatie in en sla het bestand op om een project voor gebeurtenismeting te maken. Als u een UTC-tijdstempel gebruikt, stap frame vooruit in de linker video totdat de tijdstempel een nieuwe seconde begint of totdat er een lichtflits of handgeklap plaatsvindt.
Stap frame vooruit in de rechter video totdat de tijdstempel lichtflits of handgeklap exact overeenkomt met de linker video. Klik vervolgens op de vergrendelknop om ervoor te zorgen dat de video's samen afspelen en synchronisatie behouden. Zodra de lander zijn eerste rotatie start, klik met de rechtermuisknop en selecteer Periodedefinities, Nieuwe startperiode toevoegen om een nieuwe steekproefperiode te definiëren.
Voer nul één in als de naam van de eerste periode en klik op OK. Terwijl de lander draait, markeer elke vis die in beeld komt met een 2D-punt door met de rechtermuisknop te klikken, Selecteer punt toevoegen en kies de juiste soortnaam. Label op het laagste mogelijke taxonomische niveau en klik vervolgens op OK. Blijf elke nieuwe vis markeren tot de rotatie voltooid is. Het is van cruciaal belang om elke vis te identificeren en te tellen om nauwkeurige schattingen van MaxN te krijgen.
Herhaal dit proces voor een extra landerrotatie en zorg ervoor dat er een nieuwe periode wordt gedefinieerd aan het begin van elke. Nadat alle rotaties zijn genummerd, navigeer naar Meting, Meetsamenvattingen, Puntmetingen en sla de 2D-punten op als een TXT-bestand. Open dit bestand als een spreadsheet.
Navigeer naar Invoegen, Draaitabel om een draaitabel te maken. Selecteer Geslacht en Soort voor het rijlabel en Periode voor het kolomlabel. Selecteer de camerarotatie met het grootste aantal individuen voor een bepaalde soort om de MaxN voor die soort te kiezen.
Voor vissen die alleen tot geslacht zijn geïdentificeerd, selecteer een geslachtsniveau MaxN op basis van de rotatie die het grootste aantal individuen identificeerde tot soort in dat specifieke geslacht. Gebruik vervolgens de opgeslagen 2D-punten om naar dezelfde vis voor de 3D-meting te navigeren. Zoom minimaal vier keer in om de punt van de vissnuit en de randen van de staartvinnen beter te identificeren.
Klik handmatig op de punt van de snuit en vervolgens op de rand van de staart in de linker camera. Herhaal de selectie in dezelfde volgorde in de rechter video. Klik vervolgens met de rechtermuisknop, selecteer Lengte toevoegen en selecteer de juiste soortidentificatie.
Als 3D-lengtemeten niet mogelijk is, klik links op dezelfde positie op de vis in beide video's om een 3D-punt te markeren. Vul de informatievelden in en laat het opmerkingsveld Excuderen van lengtemeting leeg. Nadat u 3D-metingen voor alle vissen hebt voltooid, navigeert u naar Meting, Meetsamenvattingen en 3D-punt en lengtemetingen.
Sla de gegevens op als een TXT-bestand om ze voor verdere analyse te exporteren. Bepaal vervolgens of er voldoende steekproeven zijn verkregen zoals beschreven in het tekstprotocol. In deze studie worden onderwater stereo video tools gebruikt om de dichtheid van vissen te kwantificeren.
Er zijn duidelijke patronen in het detectiebereik van de waargenomen soorten, wat waarschijnlijk te wijten is aan de interactie van de grootte, vorm en kleur van elke soort. De 95%Z afstandsberekeningen worden vervolgens uitgevoerd voor twee soorten in het bijzonder. Voor Sebastes wilsoni en Ophiodon elongatus is de 95%Z afstand 2,65 meter voor Sebastes wilsoni en 3,96 meter voor Ophiodon elongatus, wat zich vertaalt in effectieve onderzoeksgebieden van respectievelijk 18,6 meter vierkant en 46 meter vierkant.
Een eenvoudige bootstrapanalyse bevestigt dat voldoende steekproeven zijn verkregen, aangezien de schatting van de 95%Z afstand voor beide steekproeven stabiliseert wanneer meer dan 50 onderzoeken zijn bemonsterd. MaxN tellen per onderzoek worden vervolgens omgezet in dichtheden. Voor beide soorten zijn de dichtheden significant groter over hoge en middelhoge reliëfhabitats in vergelijking met lagereliëfhabitats.
Dichtheidsschattingen voor de pseudo-stationaire lander worden gestandaardiseerd met behulp van verminderde dekkingsgebieden. De gemiddelde dichtheden verkregen door de roterende camera zijn 18% hoger dan die verkregen
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit artikel presenteert een nieuwe methode voor het tellen van vissen en het schatten van hun relatieve abundantie en dichtheid met behulp van roterende stereo-video camerasystemen. De techniek verbetert de nauwkeurigheid van soortspecifieke detecteerbaarheid door de afstand tot de camera mee te nemen.
Belangrijke Studieonderdelen
Wetenschapsgebied
- Visserijbeheer
- Zee-ecologie
- Videoanalysetechnieken
Achtergrond
- Nauwkeurige schatting van vissendichtheid en soortsamenstelling is cruciaal voor effectief visserijbeheer.
- Traditionele methoden omvatten vaak het extraheren van vissen, wat nadelig kan zijn voor populaties.
- Roterende stereo-videosystemen bieden een niet-invasieve alternatief voor het monitoren van vispopulaties.
- Calibratie van camerasystemen is essentieel voor nauwkeurige metingen.
Doel van de Studie
- Om een methode te ontwikkelen die nauwkeurige dichtheidsschattingen geeft van vissen in diepe rotsachtige habitats.
- Om de grootteverdeling en abundantie van vissoorten in deze omgevingen te beoordelen.
- Om het begrip van de soortsamenstelling te verbeteren zonder de vissen te schaden.
Gebruikte Methoden
- Gebruik van roterende stereo-video camerasystemen voor het tellen van vissen.
- Schattingen van relatieve abundantie (MaxN) en vissendichtheid.
- Meenemen van de afstand tot de camera (Z afstand) voor detecteerbaarheidsanalyse.
- Verzamelen van veldgegevens volgens de beschreven protocollen.
Belangrijkste Resultaten
- De methode geeft nauwkeurigere dichtheidsschattingen in vergelijking met traditionele technieken.
- Soortspecifieke detecteerbaarheid wordt verbeterd door de cameraafstand mee te nemen.
- De resultaten wijzen op een uitgebreid begrip van vispopulaties in rotsachtige riffen op grote diepten.
- De techniek is gevalideerd door middel van calibratie en analyse van veldgegevens.
Conclusies
- Deze nieuwe methode is een belangrijke vooruitgang in niet-invasieve vispopulatiebeoordeling.
- Het kan visserijbeheerbeslissingen en instandhoudingsinspanningen informeren.
- Verder onderzoek kan de toepassingen uitbreiden naar andere mariene habitats.
Veelgestelde Vragen
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.
