换一批基于Faster R-CNN的对虾生长性状表型高通量测定技术的建立及应用
THE ESTABLISHMENT AND APPLICATION OF A FAST PHENOTYPIC DETERMINATION TECHNIQUE BASED ON FASTER R-CNN FOR GROWTH TRAITS IN SHRIMP
摘要为提高对虾外部生长性状表型数据的获取效率,利用拍照获得的对虾外部表型照片,采用基于区域生成网络RPN(Region Proposal Networks)的Faster R-CNN(Faster Region-convolutional neural networks)深度学习神经网络,通过对8400张对虾表型照片的学习和训练,构建了快速识别对虾全长并输出位置信息的模型.该模型可识别图片中的对虾并以识别框的形式表示出具体的位置.对于不同角度拍摄的对虾,模型生成识别框的长度或对角线长度与人工测量的对虾全长之间呈高度相关.研究以此建立了对虾全长性状表型数据高通量测定技术,该技术的建立可以在对虾生长性状表型数据测定中节省人工测量的时间,提高了对虾全基因组选择育种的效率.此外,该模型的建立也为对虾头胸部长度及不同体节长度等其他外部表型数据的测定提供了新的思路,为对虾生长性状表型组的建立奠定了重要基础.
更多相关知识
栏目名称
DOI
10.7541/2023.2022.0490
发布时间
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览27
- 被引8
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
