CN108601337B - 斑马鱼的个体识别方法 - Google Patents
斑马鱼的个体识别方法 Download PDFInfo
- Publication number
- CN108601337B CN108601337B CN201680081020.3A CN201680081020A CN108601337B CN 108601337 B CN108601337 B CN 108601337B CN 201680081020 A CN201680081020 A CN 201680081020A CN 108601337 B CN108601337 B CN 108601337B
- Authority
- CN
- China
- Prior art keywords
- stripe
- individual
- fin
- zebra fish
- hip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000252212 Danio rerio Species 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005452 bending Methods 0.000 claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 230000007547 defect Effects 0.000 claims description 16
- 230000009182 swimming Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 206010002091 Anaesthesia Diseases 0.000 claims description 3
- 230000037005 anaesthesia Effects 0.000 claims description 3
- 241001098657 Pterois Species 0.000 claims description 2
- 108700024526 zebrafish sox32 Proteins 0.000 claims description 2
- 230000008094 contradictory effect Effects 0.000 description 34
- 238000002372 labelling Methods 0.000 description 6
- 241000251468 Actinopterygii Species 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 5
- 239000003550 marker Substances 0.000 description 4
- 206010040925 Skin striae Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- SMZOUWXMTYCWNB-UHFFFAOYSA-N 2-(2-methoxy-5-methylphenyl)ethanamine Chemical compound COC1=CC=C(C)C=C1CCN SMZOUWXMTYCWNB-UHFFFAOYSA-N 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N 2-Propenoic acid Natural products OC(=O)C=C NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 230000003444 anaesthetic effect Effects 0.000 description 1
- 210000004690 animal fin Anatomy 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005305 organ development Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108010008359 protein kinase C lambda Proteins 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/90—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination
- A01K61/95—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination specially adapted for fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Farming Of Fish And Shellfish (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种能够非侵袭的、简便且确实地识别个体的斑马鱼的个体识别方法。所述斑马鱼的个体识别方法，其中，侧面观察2条以上的斑马鱼(Danio rerio)的各个体的臀鳍以及尾鳍的条纹图案，从观察到的条纹图案确定各个体的特征，基于确定的特征对各个体进行识别。
Description
技术领域
本发明涉及一种斑马鱼的个体识别方法以及斑马鱼的个体识别装置。
背景技术
斑马鱼(Danio rerio)为成年体的体长在4～5cm左右的鲤科的小型淡水鱼。斑马鱼具有饲养容易、产量大、世代交替时间短的适于遗传学的特征。进一步，斑马鱼的基因操作和功能分析容易。此外，斑马鱼的发育和器官形成的机理大部分与包括人的高等脊椎动物之间有很高的共通性。因此，斑马鱼在医学、生理学、生物科学等领域中作为实验动物(模型动物)广泛地被使用。
作为模型动物的斑马鱼，群居生活。因此，在将斑马鱼用作模型动物进行研究的情况下，为了提高研究精度，寻求识别成群结队生活的斑马鱼的各个体的方法。
作为动物的个体识别方法，通常为在体内或体表埋入或附着标记或微芯片等标识的方法。然而，斑马鱼为小型鱼类，因此，难以进行标识的埋入或附着。假设即使能够将标识埋入或付着，也存在标识从游泳中的斑马鱼脱离的情况。进一步，侵袭性地将标识埋入或付着的方法对鱼体的损伤很大。此外，需要有用于检测标识的装置，标识的检测操作也十分繁琐。
因此，将斑马鱼作为模型动物使用时，寻求一种非侵袭的、并且简便、确实地对个体进行识别的方法。
发明内容
本发明涉及一种斑马鱼的个体识别方法，其中，侧面观察2条以上的斑马鱼的各个体的臀鳍以及尾鳍的条纹图案，从观察到的条纹图案确定各个体的特征，基于确定的特征对各个体进行识别。
此外，本发明涉及一种斑马鱼的个体识别装置，其中，具有：
条纹图案信息的取得单元，其从侧面观察2条以上的斑马鱼的各个体所得到的图像数据中取得臀鳍和尾鳍的条纹图案的信息；
条纹图案特征的确定单元，其从取得的条纹图案的信息中确定各个体的特征；和
个体辨别单元，其基于确定的条纹图案的特征，辨别各个体。
本发明的上述以及其它的特征以及优点参照适当的附图，根据下述的记载可以进一步明确。
附图说明
图1(A)是说明本发明的斑马鱼的个体识别方法的优选的实施方式的流程图。图1(B)是说明本发明的斑马鱼的个体识别方法的更优选的实施方式的流程图。
图2示意性地表示斑马鱼的尾鳍的特征性条纹图案的具体例子。
图3(A)是为了特定尾鳍的条纹图案的位置，区分尾鳍的方法的说明图。图3(B)是为了特定臀鳍的条纹图案的位置，区分臀鳍的方法的说明图。
图4概念性地表示本发明的斑马鱼的个体识别装置的处理结构例。
图5(A)是拍摄实施例1的个体0w-1-1的左侧面得到的替代附图的照片。图5(B)是拍摄实施例1的个体0w-1-2的左侧面得到的替代附图的照片。图5(C)是拍摄实施例1的个体0w-1-3的左侧面得到的替代附图的照片。图5(D)是拍摄实施例1的个体0w-1-4的左侧面得到的替代附图的照片。
图6(A)是拍摄实施例1的个体0w-1-5的左侧面得到的替代附图的照片。图6(B)是拍摄实施例1的个体0w-1-6的左侧面得到的替代附图的照片。图6(C)是拍摄实施例1的个体0w-1-7的左侧面得到的替代附图的照片。图6(D)是拍摄实施例1的个体0w-1-8的左侧面得到的替代附图的照片。
图7(A)是拍摄实施例1的个体4w-1-1的左侧面得到的替代附图的照片。图7(B)是拍摄实施例1的个体4w-1-2的左侧面得到的替代附图的照片。图7(C)是拍摄实施例1的个体4w-1-3的左侧面得到的替代附图的照片。图7(D)是拍摄实施例1的个体4w-1-4的左侧面得到的替代附图的照片。
图8(A)是拍摄实施例1的个体4w-1-5的左侧面得到的替代附图的照片。图8(B)是拍摄实施例1的个体4w-1-6的左侧面得到的替代附图的照片。图8(C)是拍摄实施例1的个体4w-1-7的左侧面得到的替代附图的照片。图8(D)是拍摄实施例1的个体4w-1-8的左侧面得到的替代附图的照片。
图9(A)是拍摄实施例1的个体8w-1-1的左侧面得到的替代附图的照片。图9(B)是拍摄实施例1的个体8w-1-2的左侧面得到的替代附图的照片。图9(C)是拍摄实施例1的个体8w-1-3的左侧面得到的替代附图的照片。图9(D)是拍摄实施例1的个体8w-1-4的左侧面得到的替代附图的照片。
图10(A)是拍摄实施例1的个体8w-1-5的左侧面得到的替代附图的照片。图10(B)是拍摄实施例1的个体8w-1-6的左侧面得到的替代附图的照片。图10(C)是拍摄实施例1的个体8w-1-7的左侧面得到的替代附图的照片。图10(D)是拍摄实施例1的个体8w-1-8的左侧面得到的替代附图的照片。
图11(A)是拍摄实施例2的个体0w-2-1的左侧面得到的替代附图的照片。图11(B)是拍摄实施例2的个体0w-2-2的左侧面得到的替代附图的照片。图11(C)是拍摄实施例2的个体0w-2-3的左侧面得到的替代附图的照片。
图12(A)是拍摄实施例2的个体0w-2-4的左侧面得到的替代附图的照片。图12(B)是拍摄实施例2的个体0w-2-5的左侧面得到的替代附图的照片。图12(C)是拍摄实施例2的个体0w-2-6的左侧面得到的替代附图的照片。
图13(A)是拍摄实施例2的个体0w-2-7的左侧面得到的替代附图的照片。图13(B)是拍摄实施例2的个体0w-2-8的左侧面得到的替代附图的照片。图13(C)是拍摄实施例2的个体0w-2-9的左侧面得到的替代附图的照片。
图14(A)是拍摄实施例2的个体4w-2-1的左侧面得到的替代附图的照片。图14(B)是拍摄实施例2的个体4w-2-2的左侧面得到的替代附图的照片。图14(C)是拍摄实施例2的个体4w-2-3的左侧面得到的替代附图的照片。
图15(A)是拍摄实施例2的个体4w-2-4的左侧面得到的替代附图的照片。图15(B)是拍摄实施例2的个体4w-2-5的左侧面得到的替代附图的照片。图15(C)是拍摄实施例2的个体4w-2-6的左侧面得到的替代附图的照片。
图16(A)是拍摄实施例2的个体4w-2-7的左侧面得到的替代附图的照片。图16(B)是拍摄实施例2的个体4w-2-8的左侧面得到的替代附图的照片。图16(C)是拍摄实施例2的个体4w-2-9的左侧面得到的替代附图的照片。
图17(A)是拍摄实施例2的个体8w-2-1的左侧面得到的替代附图的照片。图17(B)是拍摄实施例2的个体8w-2-2的左侧面得到的替代附图的照片。图17(C)是拍摄实施例2的个体8w-2-3的左侧面得到的替代附图的照片。
图18(A)是拍摄实施例2的个体8w-2-4的左侧面得到的替代附图的照片。图18(B)是拍摄实施例2的个体8w-2-5的左侧面得到的替代附图的照片。图18(C)是拍摄实施例2的个体8w-2-6的左侧面得到的替代附图的照片。
图19(A)是拍摄实施例2的个体8w-2-7的左侧面得到的替代附图的照片。图19(B)是拍摄实施例2的个体8w-2-8的左侧面得到的替代附图的照片。图19(C)是拍摄实施例2的个体8w-2-9的左侧面得到的替代附图的照片。
符号的说明：
11 鳍信息取得部
12 鳍特征确定部
13 鳍特征比对部
14 个体判断部
15 标准图像数据库
16 识别图像数据库
100 个体识别装置
具体实施方式
本发明提供一种能够非侵袭的、简便并且确实地识别个体的斑马鱼的个体识别方法。
此外，本发明提供一种能够简便并且确实地识别个体的斑马鱼的个体识别装置。
本发明者鉴于上述问题进行了专心研究。其结果，发现在斑马鱼的臀鳍和尾鳍形成有各个体特有的条纹图案。然后，通过将各个体之间的臀鳍和尾鳍的条纹图案的区别作为指标，能够非侵袭的、简便并且确实地识别斑马鱼的各个体。
本发明是基于这些见解由此完成的。
根据本发明，能够不对鱼体产生损伤，非侵袭地识别斑马鱼的个体。进一步，根据本发明，能够简便并且确实地识别斑马鱼的个体。
如图1(A)所示，本发明的斑马鱼的个体识别方法中，侧面观察斑马鱼的各个体的臀鳍以及尾鳍的条纹图案(S11)，从观察到的条纹图案确定各个体的特征(S12)，根据确定的特征识别各个体(S13)。
在斑马鱼的体表除了臀鳍以及尾鳍以外，在背鳍、躯干部也存在条纹图案。然而，在斑马鱼的背鳍和躯干部，在各个体间无法确认特征性的条纹图案。因此，难以进行将背鳍或躯干部的条纹图案的差异作为指标的斑马鱼的个体识别。
与此相对，如后述的实施例所示，通过将斑马鱼个体间的臀鳍以及尾鳍的条纹图案的差异作为指标，能够非侵袭的、简便并且确实地识别个体。
作为本发明的斑马鱼的个体识别方法的更优选的实施方式，如图1(B)所示，除了斑马鱼的各个体的臀鳍以及尾鳍的条纹图案以外，侧面观察背鳍、臀鳍以及尾鳍的形状(S21)。然后，从观察到的条纹图案和鳍形状进一步确定各个体的特征し(S22)，基于确定的条纹图案和鳍形状的特征识别各个体(S23)。除了臀鳍以及尾鳍的条纹图案，通过将背鳍、臀鳍以及尾鳍的形状的差异作为指标，即使是个体数较多，仅通过臀鳍和尾鳍的条纹图案难以进行个体识别时，也能够确实地识别个体。
下面，对本发明的优选实施方式进行说明。但是，本发明并不局限于这些实施方式。
首先，侧面观察斑马鱼的臀鳍和尾鳍的条纹图案、或者臀鳍和尾鳍的条纹图案及背鳍、臀鳍和尾鳍的形状。条纹图案和鳍形状的侧面观察可以通过目视进行。或者，也可以拍摄斑马鱼的侧面的图像，对拍摄的图像进行观察。进一步，还可以使用后述的个体识别装置，分析斑马鱼侧面的图像，进行条纹图案和鳍形状的特征化。
在本发明中，为了在鱼鳍打开的状态下观察活的斑马鱼，优选将斑马鱼逐一地投入能够转变游泳方向、但不能向纵深方向移动并且能够在宽度方向游泳推进的水槽中，正当斑马鱼在水槽中自由游泳时进行侧面观察。
另外，作为条纹图案和鳍形状的侧面观察的方法，可以列举：在水槽的一定方向施加水流，使斑马鱼在一定方向游泳，侧面观察在一定方向游泳的斑马鱼的方法；连续地拍摄在水槽中自由游泳的斑马鱼的图像，选择适合条纹图案和鳍形状的侧面观察的图像，进行侧面观察的方法；通过多个图像拍摄装置从多个方向对斑马鱼进行全面地拍摄，选择适合侧面观察的图像，进行侧面观察的方法等。
进一步，也可以对斑马鱼施以麻醉等进行暂时地保留，进行侧面观察。然而，在本发明中，为了不对斑马鱼产生损伤，优选在无麻醉的条件下对游泳中的斑马鱼进行侧面观察。
接着，根据观察到的臀鳍以及尾鳍的条纹图案，确定各个体的特征。另外，背鳍中也存在条纹图案。然而，与臀鳍以及尾鳍相比，背鳍的大小较小，也不能确认能够与其它个体进行区别的明确的条纹图案。因此，在本发明中，将斑马鱼的鳍中的臀鳍和尾鳍的条纹图案作为指标，进行个体的识别。
作为成为个体的识别的指标的臀鳍以及尾鳍的条纹图案，可以列举条纹的分支的有无、条纹的分断的有无、条纹的数量、条纹的弯曲的有无、条纹宽度的变化的有无。其中，由于能够容易地判别与其它个体的差异，并且观察条纹图案时的鳍的打开情况即使稍有差异也能够容易地观察，因此，优选将条纹的分支的有无、条纹的分断的有无作为指标。
关于成为个体的识别的指标的条纹图案，参照图2所示的斑马鱼的尾鳍特征性条纹图案的具体例子进行说明。然而，本发明并没有限定于这些。此外，为了说明个体的识别指标，图2中仅记载了特征性条纹，省略了对其它条纹的记载。此外，在本发明中，臀鳍的条纹图案也与尾鳍的条纹图案的具体例子同样地进行定义。
作为特征性条纹图案，可以列举条纹的数量(参照图2(A))、条纹分岔(参照图2(B))、条纹断开(参照图2(C))、条纹结合(参照图2(D))、条纹斑点化(参照图2(E))、条纹弯曲(参照图2(F))、条纹加宽(参照图2(G))、条纹变窄(图2(H)参照)。
关于条纹的数量，确认能够清楚识别的条纹的数量。在确认尾鳍的条纹的数量时，如图2(A)所示，从识别工序的简略化的观点出发，优选从斑马鱼的躯干部开始确认延伸的条纹的数量。
本说明书中的“条纹分岔”是上述的“条纹的分支”的1种实施方式。“条纹分岔”是指如图2(B)所示，从头侧延伸的1根条纹在尾侧分支成2根以上的状态。
本说明书中的“条纹断开”是上述的“条纹的分断”的1种实施方式。“条纹断开”是指如图2(C)所示，从头侧延伸至尾侧的条纹在1处以上分开的状态。
本说明书中的“条纹结合”是上述的“条纹的分支”的1种实施方式。“条纹结合”是指如图2(D)所示，从头侧分别延伸的2根条纹在尾侧结合成1根的状态。
本说明书中的“条纹斑点化”是上述的“条纹的分断”的1种实施方式。“条纹斑点化”是指如图2(E)所示，斑点状的条纹从头侧延伸至尾侧的状态。
本说明书中的“条纹弯曲”是指如图2(F)所示，从头侧延伸至尾侧的条纹在中途弯曲成弓形的状态。
本说明书中的“条纹加宽”是指如图2(G)所示，在条纹的中间其粗细发生变化，与条纹头侧的粗细相比，条纹尾侧的粗细变粗的状态。
本说明书中的“条纹变窄”是指如图2(H)所示，在条纹的中间其粗细发生变化，与条纹头侧的粗细相比，条纹尾侧的粗细变细的状态。
对于上述具有“条纹的分支”(具体来说，“条纹分岔”、“条纹结合”)、“条纹的分断”(具体来说，“条纹断开”、“条纹斑点化”)、“条纹弯曲”、“条纹加宽”以及“条纹变窄”的任意一个特征的条纹，优选也对臀鳍或尾鳍中这样的条纹存在的位置进行特定。在仅通过条纹分岔的有无、条纹断开的有无、条纹结合的有无以及条纹斑点化的有无难以进行个体的识别的情况，在识别的个体数较多的情况，在更正确地进行个体的识别的情况下，对于各个体特有的特征性条纹，将臀鳍或尾鳍中其位置进一步作为指标是有效的。进一步，通过特定各个体中具有特征的条纹图案的位置，能够提高个体识别的重现率，能够进行更正确的个体识别。
关于臀鳍或尾鳍中的“条纹分岔”、“条纹结合”、“条纹断开”、“条纹斑点化”、“条纹弯曲”、“条纹加宽”以及“条纹变窄”的位置的特定方法，参照图3(A)以及(B)进行具体地说明。然而，本发明并没有限定于此。
关于尾鳍，如图3(A)所示，首先，将尾鳍的连着躯干部的条纹作为“主条纹”，将除此以外的条纹中内上部端侧的条纹大致区分为“上部端条纹”，将下部端侧的条纹大致区分为“下部端条纹”。然后，确定具有“条纹分岔”、“条纹结合”、“条纹断开”、“条纹斑点化”、“条纹弯曲”、“条纹加宽”或“条纹变窄”的条纹是“主条纹”、“上部端条纹”以及“下部端条纹”中的哪一个。进一步，如图3(A)所示，从头部至尾鳍将尾鳍大致区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧中的哪一处。由此，能够确定尾鳍的条纹图案的位置。
关于臀鳍，确定具有“条纹分岔”、“条纹结合”、“条纹断开”、“条纹斑点化”、“条纹弯曲”、“条纹加宽”或“条纹变窄”的条纹是从躯干部完全游离的条纹中，从躯干部开始第几条的条纹。然后，如图3(B)所示，将臀鳍从头部至尾鳍大致区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧中的哪一处。由此，能够确定臀鳍的条纹图案的位置。
接着，根据需要，从观察到的背鳍、臀鳍以及尾鳍的形状，确定各个体的特征。
作为特征性鳍形状，可以列举鳍的缺损的有无。
在本发明中，由于能够容易地辨别与其它个体的差异，并且观察条纹图案时鳍的打开情况即使稍有差异也易于观察，因此，优选根据条纹分岔的有无、条纹断开的有无、条纹结合的有无以及条纹斑点化的有无的至少1个优先确定斑马鱼的各个体的特征。关于分岔的条纹、断开的条纹、结合的条纹、以及斑点化的条纹，更优选也特定在鳍中的位置。
此外，在仅通过条纹分岔的有无、条纹断开的有无、条纹结合的有无、以及条纹斑点化的有无难以进行个体的识别的情况，识别的个体数较多的情况，进行更正确的个体的识别的情况等下，更优选根据条纹的数量、条纹弯曲的有无、条纹加宽的有无、条纹变窄的有无、鳍的缺损的有无的至少1个来确定斑马鱼的各个体的进一步的特征。对于弯曲的条纹、变宽的条纹、变窄的条纹，更优选也特定在鳍中的位置。
基于通过上述方法确定的特征，对斑马鱼的各个体进行识别。
基于确定的特征对各个体的识别能够通过通常的方法进行。例如，识别各个体时，观察各个体的条纹图案、或者条纹图案和鳍形状，确定成为个体识别的标准的各个体的特征。对于条纹图案中具有“条纹的分支”(具体来说，“条纹分岔”、“条纹结合”)、“条纹的分断”(具体来说，“条纹断开”、“条纹斑点化”)、“条纹弯曲”、“条纹加宽”、以及“条纹变窄”中任意一个特征的条纹，根据需要，也特定臀鳍以及尾鳍中这样的条纹存在的位置。之后，将各个体饲养一定时间，再次观察各个体的条纹图案、或者条纹图案和鳍形状，确定特征。根据需要，也特定条纹图案中具有“条纹的分支”、“条纹的分断”、“条纹弯曲”、“条纹加宽”、以及“条纹变窄”的任一个特征的条纹的位置。然后，将作为个体识别的标准的最初确定的特征(具体来说，条纹图案的种类、特征性条纹图案的位置、鳍的形状)与饲养一定时间后确定的特征进行比对，根据该比对结果能够对各个体进行识别。
根据本发明，能够非侵袭的、简便并且确实地识别2条以上的斑马鱼的各个体。能够通过本发明的方法识别的斑马鱼的个体数的上限通常为100条左右，优选为80条以下，更优选为60条以下，更优选为40条以下，更优选为24条以下，更优选为16条以下，更优选为10条以下，更优选为7条以下。
例如，即使是由同一双亲在同日(24小时以内)出生的2条以上的斑马鱼，也能够通过本发明对各个体进行识别。
此外，如上所述，斑马鱼具有成群结队生活的习性。因此，通常将2条以上的斑马鱼饲养在同一个水槽中，进行组群饲养。即使在这样的情况下，也能够通过本发明对各个体进行识别。
本发明的斑马鱼的个体识别装置具备：从侧面观察2条以上的斑马鱼的各个体得到的图像数据取得臀鳍以及尾鳍的条纹图案的信息的条纹图案信息的取得单元、根据取得的条纹图案的信息确定各个体的特征的条纹图案特征的确定单元、和基于确定的条纹图案的特征对各个体进行辨别的个体识别单元。
参照图4对本发明的斑马鱼的个体识别装置进行说明。然而，本发明并没有限定于此。
图4是概念性地表示本发明中能够优选使用的斑马鱼的个体识别装置(以下也简称为“识别装置”)100的处理结构例。图4所示的识别装置100具有鳍信息取得部11、鳍特征确定部12、鳍特征比对部13、个体判断部14、标准图像数据库15、以及识别图像数据库16。
图4所示的识别装置100是所谓的计算机，例如，具有通过总线相互连接的CPU(中央处理器，Central Processing Unit)、存储器、输入输出接口等。存储器为RAM(随机存取存储器，Random Access Memory)、ROM(只读存储器，Read Only Memory)、硬盘、便携式存储介质等。输入输出接口与如显示装置或输入装置等那样的用户接口装置连接。输入输出接口也可以仅由网络与其它计算机进行通信的通信装置等连接。
侧面观察到的斑马鱼的鳍的画像数据从便携式存储介质、其它的计算机等经过输入输出接口，输入至鳍信息取得部11。然后，鳍信息取得部11从输入的画像数据，取得臀鳍和尾鳍的条纹图案的信息。除了条纹图案的信息以外，鳍信息取得部11优选取得背鳍、臀鳍和尾鳍的形状的信息。
鳍特征确定部12中，从鳍信息取得部11中取得的条纹图案、或者条纹图案和鳍形状的信息中，确定能够作为个体识别的指标的各个体的特征。根据需要，也特定条纹图案中具有“条纹的分支”、“条纹的分断”、“条纹弯曲”、“条纹加宽”、以及“条纹变窄”中的任一个特定的条纹的位置。对于能够作为个体识别的指标的特征，如上所述。
鳍特征确定部12中确定的各个体的特征与所述图像数据一起，储存至标准图像数据库15或识别图像数据库16中。
鳍特征比对部13中，将标准图像数据库15中储存的多个图像数据以及各个体的鳍的特征的信息与识别图像数据库16中储存的多个图像数据以及各个体的鳍的特征的信息比对，分别进行匹配。
匹配方法能够从SAD(绝对差值总和，Sum of Absolute Differences)法、SSD(差方和，Sum of Squared Differences)法、NCC(归一化互相关，Normalized CrossCorrelation)法、POC(纯相位相关，Phase-Only Correlation)法等通常的方法中适当选择。
个体判断部14根据利用鳍特征比对部13的比对结果，对各个体进行识别。然后，将各个体的识别结果按照通常的方法输出。
下面，参照图1对识别装置100的工作例进行说明。
识别装置100通过鳍信息取得部11取得侧面观察到的斑马鱼的鳍的图像数据(S11或S21)。然后，通过鳍特征确定部12从取得的图像数据中确定条纹图案、或者条纹图案和鳍形状的特征(S12或S22)。此外，这里所说的“条纹图案”除了条纹图案的种类以外，还包括特征性条纹的位置。这里确定的鳍的特征与图像数据一起储存至标准图像数据库15。
接着，将各个体饲养一定时间，再次同样地进行各个体的图像数据的取得和鳍的特征的确定。这里确定的鳍的特征与图像数据一起，储存至识别图像数据库16中。
然后，将标准图像数据库15中储存的信息和识别图像数据库16中储存的信息在鳍特征比对部13中进行比对，根据比对结果利用个体判断部14对各个体进行识别(S13或S23)。
关于上述实施方式，本发明进一步公开了以下的斑马鱼的个体识别方法、以及斑马鱼的个体识别装置。
＜1＞一种斑马鱼的个体识别方法，其中，侧面观察2条以上的斑马鱼的各个体的臀鳍以及尾鳍的条纹图案，从观察到的条纹图案、优选为条纹图案的种类和特征性条纹的位置确定各个体的特征，基于确定的特征对各个体进行识别。
＜2＞如上述＜1＞项所述的方法，其中，将斑马鱼逐一地投入能够转变游泳方向、但不能向纵深方向移动并且能够在宽度方向游泳推进的水槽中，正当斑马鱼在水槽中自由游泳时进行侧面图像。
＜3＞如上述＜1＞项所述的方法，其中，在水槽的一定方向施加水流，使斑马鱼在一定方向游泳，侧面观察在一定方向游泳的斑马鱼。
＜4＞如上述＜1＞项所述的方法，其中，对水槽中自由游泳的斑马鱼的图像进行连续地拍摄，选择适合条纹图案和鳍形状的侧面观察的图像，进行侧面观察。
＜5＞如上述＜1＞项所述的方法，其中，通过多个图像拍摄装置从多个方向对斑马鱼进行全面地拍摄，选择适合侧面观察的图像，进行侧面观察。
＜6＞如上述＜1＞～＜5＞中任意一项所述的方法，其中，在无麻醉的条件下进行游泳中的斑马鱼的侧面观察。
＜7＞如上述＜1＞～＜6＞中任意一项所述的方法，其中，所述特征为从条纹的分支的有无、以及条纹的分断的有无中选择的至少1个。
＜8＞如上述＜1＞～＜7＞中任意一项所述的方法，其中，所述特征为从条纹的分支的有无、条纹的分断的有无、条纹的数量、条纹的弯曲的有无、以及条纹宽度的变化的有无中选择的至少1个。
＜9＞如上述＜1＞～＜8＞中任意一项所述的方法，其中，所述特征为从条纹的数量、条纹分岔的有无、条纹断开的有无、条纹结合的有无、条纹斑点化的有无、条纹弯曲的有无、条纹加宽的有无、以及条纹变窄的有无中选择的至少1个。
＜10＞如上述＜8＞或＜9＞中所述的方法，其中，对于具有所述的条纹的分支、条纹的分断、条纹的弯曲、或者条纹宽度的变化的条纹，或者具有条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹，特定其位置。
＜11＞如上述＜10＞所述的方法，其中，将尾鳍的连着躯干部的条纹作为主条纹，将除此以外的条纹的内上部端侧的条纹区分为上部端条纹，将下部端侧的条纹区分为下部端条纹，确定尾鳍中具有条纹分岔、条纹结合、条纹断开、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹是主条纹、上部端条纹以及下部端条纹的哪一个，将尾鳍从头部到尾鳍区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧的哪一处，由此特定具有所述的条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹的位置。
＜12＞如上述＜10＞项所述的方法，其中，确定臀鳍中具有条纹分岔、条纹结合、条纹断开、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹是从躯干部完全游离的条纹中从躯干部开始第几条条纹，将臀鳍从头部至尾鳍区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧的哪一处，由此对于具有所述的条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹，特定其位置。
＜13＞如上述＜1＞～＜12＞中任意一项所述的方法，其中，侧面观察各个体的背鳍、臀鳍以及尾鳍的形状，从观察到的形状进一步确定各个体的特征，基于所述条纹图案的特征和鳍形状的特征对各个体进行识别。
＜14＞如上述＜13＞项所述的方法，其中，所述形状的特征为鳍的缺损的有无。
＜15＞如上述＜1＞～＜14＞中任意一项所述的方法，其中，根据从条纹分岔的有无、条纹断开的有无、条纹结合的有无、以及条纹斑点化的有无中选择的至少1个，优先确定各个体的特征。
＜16＞如上述＜15＞项所述的方法，其中，根据从条纹的数量、条纹弯曲的有无、条纹加宽的有无、条纹变窄的有无、鳍的缺损的有无中选择的至少1个，确定各个体的进一步的特征。
＜17＞如上述＜1＞～＜16＞中任意一项所述的方法，其中，侧面观察所述条纹图案、或者所述条纹图案和所述鳍形状，确定特征，将各个体饲养一定时间后，再次侧面观察各个体的条纹图案、或者条纹图案和鳍形状，确定特征，将最初确定的特征和饲养一定时间后确定的特征进行比对，基于比对结果识别各个体。
＜18＞如上述＜1＞～＜17＞中任意一项所述的方法，其中，识别由同一双亲同日(24小时以内)出生的2条以上的斑马鱼。
＜19＞如上述＜1＞～＜18＞中任意一项所述的方法，其中，对同一水槽中饲养的2条以上的斑马鱼进行识别。
＜20＞如上述＜1＞～＜19＞中任意一项所述的方法，其中，识别100条以下、优选为80条以下、更优选为60条以下、更优选为40条以下、更优选为24条以下、更优选为16条以下、更优选为10条以下、更优选为7条以下的斑马鱼。
＜21＞一种斑马鱼的个体识别装置，其中，具备：
条纹图案信息的取得单元，其从侧面观察2条以上的斑马鱼的各个体所得到的图像数据中取得臀鳍和尾鳍的条纹图案、优选为条纹图案的种类和特征性条纹的位置的信息；
条纹图案特征的确定单元，其从取得的条纹图案的信息中确定各个体的特征；和
个体辨别单元，其基于确定的条纹图案的特征，辨别各个体。
＜22＞如上述＜21＞项所述的装置，其中，所述特征为从条纹的分支的有无、以及条纹的分断的有无中选择的至少1个。
＜23＞如上述＜21＞或＜22＞项所述的装置，其中，所述特征为从条纹的分支的有无、条纹的分断的有无、条纹的数量、条纹的弯曲的有无、以及条纹宽度的变化的有无中选择的至少1个。
＜24＞如上述＜21＞～＜23＞中任意一项所述的装置，其中，所述特征为从条纹的数量、条纹分岔的有无、条纹断开的有无、条纹结合的有无、条纹斑点化的有无、条纹弯曲的有无、条纹加宽的有无、以及条纹变窄的有无中选择的至少1个。
＜25＞如上述＜23＞或＜24＞项所述的装置，其中，通过所述确定单元，特定具有条纹的分支、条纹的分断、条纹的弯曲、或条纹宽度的变化的条纹或者具有条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽或者条纹变窄的条纹的位置。
＜26＞如上述＜25＞项所述的装置，其中，将尾鳍的连着躯干部的条纹作为主条纹，将除此以外的条纹的内上部端侧的条纹区分为上部端条纹，将下部端侧的条纹区分为下部端条纹，确定尾鳍中具有条纹分岔、条纹结合、条纹断开、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹是主条纹、上部端条纹以及下部端条纹的哪一个，将尾鳍从头部到尾鳍区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧的哪一处，由此特定具有所述的条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹的位置。
＜27＞如上述＜25＞项所述的装置，其中，确定臀鳍中具有条纹分岔、条纹结合、条纹断开、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹是从躯干部完全游离的条纹中从躯干部开始第几条条纹，将臀鳍从头部至尾鳍区分为头侧、中央部、尾侧条纹，确定条纹的分支部位、条纹的分断部位、条纹的弯曲部位、或条纹宽度发生变化的部位位于头侧、中央部、尾侧的哪一处，由此对于具有所述的条纹分岔、条纹断开、条纹结合、条纹斑点化、条纹弯曲、条纹加宽、或条纹变窄的条纹，特定其位置。
＜28＞如上述＜21＞～＜27＞中任意一项所述的装置，其中，进一步具备从所述的图像数据取得背鳍、臀鳍以及尾鳍的形状的信息的鳍形状信息的取得单元、和从取得的鳍形状的信息确定各个体的特征的鳍形状特征的确定单元。
＜29＞如上述＜28＞所述的装置，其中，所述形状的特征为鳍的缺损的有无。
＜30＞如上述＜21＞～＜29＞中任意一项所述的装置，其中，在所述条纹图案特征的确定单元、或者所述条纹图案特征的确定单元和鳍形状特征的确定单元中，从选自条纹分岔的有无、条纹断开的有无、条纹结合的有无以及条纹斑点化的有无中的至少1个，优先地确定各个体的特征。
＜31＞如上述＜30＞项所述的装置，其中，所述条纹图案特征的确定单元、或者所述条纹图案特征的确定单元和鳍形状特征的确定单元中，从选自条纹的数量、条纹弯曲的有无、条纹加宽的有无、条纹变窄的有无、鳍的缺损的有无中的至少1个，确定各个体的进一步特征。
＜32＞如上述＜21＞～＜31＞中任意一项所述的装置，其中，进一步具备储存对饲养一定时间前的斑马鱼确定的特征的信息的数据库、和储存对饲养一定时间后的斑马鱼确定的特征的信息的数据库，
所述个体辨别单元将储存在2个数据库中的的各信息比对，基于比对结果识别各个体。
实施例
下面，基于实施例，进一步详细地说明本发明，但是本发明并不被限定于此。
实施例1
使用由相同双亲同时产出并成长的8条雄性斑马鱼成鱼(7月龄、体长3cm～5cm左右)，通过下面所示的方法对各个体进行识别。
在无色透明丙烯酸制的水槽(内部尺寸：纵深24mm左右、宽度144mm左右、水深：8cm左右)中逐一地投入斑马鱼。由于这里使用的水槽的纵深为斑马鱼的体长(3cm～5cm左右)以下，因此，斑马鱼基本只沿着宽度方向(横向)游泳推进，可以适当改变游泳方向。
使逐一地投入水槽的斑马鱼自由游泳，在头部朝向水槽的正面且在左侧、各鳍打开、能够良好地观察整体的状态下，使用高灵敏度数码相机EX-ZR1000(商品名、CASIO公司制造)，以快门速度1/400进行拍摄。此外，拍摄时除了室内的普通照明以外，还自照相机斜后方点灯追加照明，确保发光强度。进一步，为了获得适合观察的状态的拍摄图像，对每1条拍摄2张到10张左右。此外，考虑到得不到优选状态的图像的可能性，同样地拍摄头部朝向水槽的正面在右侧的图像。
对其它7条斑马鱼也按照同样的方法进行摄影。
之后，将8条斑马鱼在同一水槽中进行组群饲养。然后，在4周后和8周后，按照同样的方法进行摄影。
对于各个个体和拍摄日挑选1张拍摄的图像中容易观察鳍部的形状和图案的图像。进一步，为了使鳍部的形状和图案的观察、个体的识别变得容易，使用Microsoft(注册商标)Picture Manager(Microsoft公司制造)，进行适当地旋转、修剪、对比度调整、白平衡调整。
使用挑选的图像，如下所述进行个体的识别。
首先，通过下述表1所示的项目确定7个以上作为个体识别的标准的第一次拍摄时的鳍的形状和条纹图案的特征。
[表1]
此外，在鳍的形状或条纹图案的判断存在疑惑时，不采用其特征。进一步，表1所示的特征中，条纹分岔(Nos.2、10)、条纹断开(Nos.3、11)、条纹结合(Nos.4、12)、以及条纹斑点化(Nos.5、13)的辨别容易并且准确度高，因此，积极地找到并采用。
将由第一次拍摄时的画像确定的8条的各个体的特征示于表2以及3中。此外，将确定各个体的特征中使用的斑马鱼侧面的第一次拍摄时的画像示于图5以及6中。此外，所述特征内，对于Nos.2～8以及10～16，特定作为个体识别的指标的条纹在臀鳍以及尾鳍中的位置。对于特定的位置在图5以及6中以箭头表示。
对于下述表中各个体的标记方法，“0w-1-1”是指本实施例(实施例1)的第一次拍摄时，第一个拍摄的个体。然后，将第一次拍摄时按照第二个、第三个、……的顺序拍摄的个体分别记为“0w-1-2”、“0w-1-3”、……。
[表2]
[表3]
使用在4周后和8周后拍摄的图像，按照与上述同样的方法确定鳍的形状以及条纹图案的特征。但是，对于4周后和8周后的图像，从臀鳍以及尾鳍的条纹分岔(Nos.2、10)、条纹断开(Nos.3、11)、条纹结合(Nos.4、12)以及条纹斑点化(Nos.5、13)中优先确定2个以上的特征。
将从4周后和8周后的图像确定的8条的各个体的特征示于表4以及5中。此外，将各个体侧面的4周后和8周后的画像示于图7～10中。此外，所述特征内，对于Nos.2～8以及10～16，特定作为个体识别的指标的条纹在臀鳍以及尾鳍中的位置。对于特定的位置，在图7～10中以箭头表示。
对于下述表中各个体的标记方法，“4w-1-1”是指在4周后的拍摄时，第一个拍摄的个体。而且，将4周后的拍摄时按照第二个、第三个、……的顺序拍摄的个体分别记为“4w-1-2”、“4w-1-3”、……。8周后的各个体的标记方法也同样。
[表4]
[表5]
将由第一次拍摄时的图像确定的各个体的特征与由4周后以及8周后拍摄的画像确定的各个体的特征进行比对，当2个以上的特征一致，并且其它特征没有矛盾时，判定为同一个体，对各个体进行识别。
各个体的识别方法的详情及其结果如下所示。
(1-1)个体4w-1-1的识别
作为个体4w-1-1的特征，在尾鳍中发现条纹分岔(2处)和条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-2的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-1与个体0w-1-2为同一个体。
(1-2)个体4w-1-2的识别
作为个体4w-1-2的特征，在尾鳍中发现条纹断开和条纹变窄。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-5的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-2与个体0w-1-5为同一个体。
(1-3)个体4w-1-3的识别
作为个体4w-1-3的特征，在臀鳍中发现条纹分岔(2处)和条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-6的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-3与个体0w-1-6为同一个体。
(1-4)个体4w-1-4的识别
作为个体4w-1-4的特征，发现：臀鳍中没有缺损，条纹的数量为4条；尾鳍中没有缺损，从躯干部延伸的条纹的数量为3条；并且背鳍中没有缺损。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-1的特征中的6项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-4与个体0w-1-1为同一个体。
(1-5)个体4w-1-5的识别
作为个体4w-1-5的特征，发现：臀鳍中有条纹断开；尾鳍中有条纹加宽，没有缺损，从躯干部延伸的条纹的数量为3条。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-4的特征中的4项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-5与个体0w-1-4为同一个体。
(1-6)个体4w-1-6的识别
作为个体4w-1-6的特征，发现臀鳍中有条纹断开、尾鳍中有条纹分岔。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-8的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-6与个体0w-1-8为同一个体。
(1-7)个体4w-1-7的识别
作为个体4w-1-7的特征，发现臀鳍中有条纹斑点化、尾鳍中有条纹分岔和条纹变窄(2处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-3的特征中的4项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-7与个体0w-1-3为同一个体。
(1-8)个体4w-1-8的识别
作为个体4w-1-8的特征，发现臀鳍中有条纹结合、尾鳍中有条纹分岔(2处)。进一步，发现尾鳍中没有缺损，从躯干部延伸的条纹的数量为3条。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-7的特征中的5项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-1-8与个体0w-1-7为同一个体。
(2-1)个体8w-1-1的识别
作为个体8w-1-1的特征，发现尾鳍中有条纹分岔(2处)和条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-1的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-1与个体0w-1-1为同一个体。
(2-2)个体8w-1-2的识别
作为个体8w-1-2的特征，发现臀鳍中有条纹分岔(2处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-6的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-2与个体0w-1-6为同一个体。
(2-3)个体8w-1-3的识别
作为个体8w-1-3的特征，发现臀鳍中有条纹结合、尾鳍中有条纹分岔(2处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-7的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-3与个体0w-1-7为同一个体。
(2-4)个体8w-1-4的识别
作为个体8w-1-4的特征，发现尾鳍中有条纹分岔(2处)和条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-2的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-4与个体0w-1-2为同一个体。
(2-5)个体8w-1-5的识别
作为个体8w-1-5的特征，发现臀鳍中有条纹断开、尾鳍中有条纹分岔(2处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-8的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-5与个体0w-1-8为同一个体。
(2-6)个体8w-1-6的识别
作为个体8w-1-6的特征，发现臀鳍中有条纹断开和条纹斑点、尾鳍中有条纹加宽。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-4的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-6与个体0w-1-4为同一个体。
(2-7)个体8w-1-7的识别
作为个体8w-1-7的特征，发现尾鳍中有条纹断开和条纹变窄。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-5的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-7与个体0w-1-5为同一个体。
(2-8)个体8w-1-8的识别
作为个体8w-1-8的特征，发现臀鳍中有条纹斑点化(2处)、尾鳍中有条纹分岔和条纹变窄。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-1-3的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-1-8与个体0w-1-3为同一个体。
如上所述，可以没有重复地识别第一次拍摄时的8个个体和4周后或8周后的8个个体。
此外，如图5～10所示，在斑马鱼的躯干部中，在个体间不能发现有特征性条纹图案。因此，难以进行将躯干部的条纹图案作为指标的斑马鱼的个体识别。
下述表6中一并示出本实施例中的各个体的识别结果。
[表6]
实施例2
使用与实施例1不同的由同一双亲同时生产并成长的9条雄性斑马鱼成鱼(5月龄、体长为3cm～5cm左右)，按照与实施例1相同的方法对各个体的侧面进行拍摄。
之后，将9条斑马鱼在同一个笼子内进行组群饲养。然后，在4周后和8周后，按照与实施例1同样的方法拍摄各个体的侧面。
对于各个个体和拍摄日挑选1张拍摄的图像中容易观察鳍部的形状和图案的图像。进一步，为了使鳍部的形状和图案的观察、个体的识别变得容易，使用Microsoft(注册商标)Picture Manager(Microsoft公司制造)，进行适当地旋转、修剪、对比度调整、白平衡调整。
使用选出的图像，与实施例1同样地，根据所述表1所示的项目确定7个以上的第一次拍摄时的鳍的形状和条纹图案的特征。进一步，使用4周后和8周后拍摄的图像，与实施例1同样地确定鳍的形状以及条纹图案的特征。
将由第一次拍摄时的图像确定的9条的各个体的特征示于表7以及8中。此外，将用于确定各个体的特征的斑马鱼侧面的第一次拍摄时的画像示于图11～13中。所述特征内，对于Nos.2～8以及10～16，特定作为个体识别的指标的条纹在臀鳍以及尾鳍中的位置。关于特定的位置，在图11～13中以箭头表示。
此外，对于下述表7以及8中的各个体的标记方法，“0w-2-1”是指本实施例(实施例2)的第一次拍摄时，第一个拍摄的个体。然后，将第一次拍摄时按照第二个、第三个、……的顺序拍照的个体分别记为“0w-2-2”、“0w-2-3”、……。
进一步，将由4周后和8周后的画像确定的9条的各个体的特征示于表9以及10中。此外，将各个体侧面的4周后和8周后的画像示于图14～19中。所述特征内，对于Nos.2～8以及10～16，特定作为个体识别的指标的条纹在臀鳍以及尾鳍中的位置。对于特定的位置，在图14～19中以箭头表示。
此外，对于下述表9以及10中的各个体的标记方法，“4w-2-1”是指4周后的拍摄时，第一个拍摄的个体。然后，将4周后的拍摄时按照第二个、第三个、……的顺序拍摄的个体分别记为“4w-2-2”、“4w-2-3”、……。8周后的各个体的标记方法也同样。
[表7]
[表8]
[表9]
[表10]
将由第一次拍照时的图像确定的各个体的特征与由4周后以及8周后拍摄的画像确定的各个体的特征比对，在2个以上的特征一致，并且其它的特征没有矛盾时，判定为同一个体，对各个体进行识别。
各个体的识别方法的详情及其结果如下所示。
(1-1)个体4w-2-1的识别
作为个体4w-2-1的特征，发现臀鳍中有条纹分岔、尾鳍中有条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-8的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-1与个体0w-2-8为同一个体。
(1-2)个体4w-2-2的识别
作为个体4w-2-2的特征，发现尾鳍中有条纹分岔和条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-1的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-2与个体0w-2-1为同一个体。
(1-3)个体4w-2-3的识别
作为个体4w-2-3的特征，发现尾鳍中有条纹分岔(3处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-5的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，个体4w-2-3与个体0w-2-5为同一个个体。
(1-4)个体4w-2-4的识别
作为个体4w-2-4的特征，发现尾鳍中有条纹断开和条纹加宽。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-3的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-4与个体0w-2-3为同一个体。
(1-5)个体4w-2-5的识别
作为个体4w-2-5的特征，发现臀鳍中有条纹分岔和条纹断开、尾鳍中有条纹分岔。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-4的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-5与个体0w-2-4为同一个体。
(1-6)个体4w-2-6的识别
作为个体4w-2-6的特征，发现尾鳍中有条纹分岔(3处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-7的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-6与个体0w-2-7为同一个体。
(1-7)个体4w-2-7的识别
作为个体4w-2-7的特征，发现尾鳍中有条纹分岔(2处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-2的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-7与个体0w-2-2为同一个体。
(1-8)个体4w-2-8的识别
作为个体4w-2-8的特征，发现尾鳍中有条纹分岔(3处)和条纹结合。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-6的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-8与个体0w-2-6为同一个体。
(1-9)个体4w-2-9的识别
作为个体4w-2-9的特征，发现臀鳍中有条纹断开和条纹斑点化。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-9的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体4w-2-9与个体0w-2-9为同一个体。
(2-1)个体8w-2-1的识别
作为个体8w-2-1的特征，发现尾鳍中有条纹分岔(4处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-5的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-1与个体0w-2-5为同一个体。
(2-2)个体8w-2-2的识别
作为个体8w-2-2的特征，发现臀鳍中有条纹分岔、尾鳍中有条纹断开。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-8的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-2与个体0w-2-8为同一个体。
(2-3)个体8w-2-3的识别
作为个体8w-2-3的特征，发现尾鳍中有条纹分岔(3处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-2的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-3与个体0w-2-2为同一个体。
(2-4)个体8w-2-4的识别
作为个体8w-2-4的特征，发现臀鳍中有条纹断开和条纹斑点化。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-9的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-4与个体0w-2-9为同一个体。
(2-5)个体8w-2-5的识别
作为个体8w-2-5的特征，发现尾鳍中有条纹分岔、条纹断开以及条纹加宽。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-3的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，个体8w-2-5与个体0w-2-3为同一个体。
(2-6)个体8w-2-6的识别
作为个体8w-2-6的特征，发现臀鳍中有条纹分岔、尾鳍中有条纹分岔(3处)。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-7的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-6与个体0w-2-7为同一个体。
(2-7)个体8w-2-7的识别
作为个体8w-2-7的特征，发现臀鳍中有条纹分岔、尾鳍中有条纹分岔和条纹加宽。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-4的特征中的2项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-7与个体0w-2-4为同一个体。
(2-8)个体8w-2-8的识别
作为个体8w-2-8的特征，臀鳍中没有缺损，条纹的数量为3条。此外，尾鳍中没有缺损，从躯干部延伸的条纹的数量为3条，存在条纹断开。进一步，背鳍中没有缺损。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-1的特征中的6项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，识别个体8w-2-8与个体0w-2-1为同一个体。
(2-9)个体8w-2-9的识别
作为个体8w-2-9的特征，发现尾鳍中有条纹分岔(2处)和条纹弯曲。
如果将这些特征与第一次拍摄时的各个体的特征进行比对，则个体0w-2-6的特征中的3项符合。而且，如果对于其它特征也在图像之间进行比对，则各鳍的条纹图案以及形状没有矛盾。
因此，加别个体8w-2-9与个体0w-2-6为同一个体。
如上所述，能够没有重复地识别第一次拍摄时的9个个体与4周后或8周后的9个个体。
此外，如图11～19所示，在斑马鱼的躯干部，不能确认各个体间特征性的条纹图案。因此，难以进行将躯干部的条纹图案作为指标的斑马鱼的个体识别。
下述表11中一并示出本实施例中的各个体的识别结果。
[表11]
如上述实施例所示，通过将斑马鱼个体间的臀鳍以及尾鳍的条纹图案的差异作为指标，能够非侵袭的、简便并且确实地识别个体。
进一步，除了臀鳍以及尾鳍的条纹图案，通过将背鳍、臀鳍以及尾鳍的形状的差异、特征性条纹的位置也作为指标，从而即使在个体数较多的情况下，也能够提高个体识别的精度。
尽管将本发明与其实施方式一起进行了说明，但是，除非特别指定，本发明并不限于说明的任意详细部分，可以在不违反附加的权利要求所示的发明的精神和范围的情况下进行广泛地解释。
Claims (24)
1.一种斑马鱼的个体识别方法，其中，
为在水槽中游泳的多条成长的斑马鱼的个体识别方法，
从水槽侧部拍摄斑马鱼的各个体的侧面图像，取得侧面图像数据，
从得到的各个体的侧面图像数据确定各个体的臀鳍和尾鳍的条纹图案的特征，作为各个体的特征数据。
2.如权利要求1所述的方法，其中，
拍摄饲养一定时间后的各个体的侧面图像，取得侧面图像数据，
将从饲养一定时间后的侧面图像数据中得到的个体的臀鳍以及尾鳍的条纹图案的特征数据与所述各个体的特征数据比对，识别个体。
3.如权利要求1所述的方法，其中，
参照储存有得到的各个体的侧面图像数据的标准图像数据库，与确定的臀鳍和尾鳍的条纹图案的特征数据比对。
4.如权利要求1～3中任一项所述的方法，其中，
所述臀鳍和尾鳍的条纹图案的特征数据为从条纹的分支的有无、以及条纹的分断的有无中选择的至少1个数据。
5.如权利要求1～3中任一项所述的方法，其中，
所述臀鳍和尾鳍的条纹图案的特征数据为从条纹的分支的有无、条纹的分断的有无、条纹的数量、条纹的弯曲的有无、以及条纹宽度的变化的有无中选择的至少1个数据。
6.如权利要求5所述的方法，其中，
特定具有所述条纹的分支、条纹的分断、条纹的弯曲或条纹宽度的变化的条纹的位置。
7.如权利要求1～3中任一项所述的方法，其中，
所述各个体的特征数据还包括各个体的背鳍、臀鳍以及尾鳍的鳍形状的特征数据。
8.如权利要求7所述的方法，其中，
所述鳍形状的特征数据为鳍的缺损的有无的数据。
9.如权利要求1～3中任一项所述的方法，其中，
从所述各个体的侧面图像数据确定臀鳍和尾鳍的条纹图案、或者臀鳍和尾鳍的条纹图案以及背鳍、臀鳍和尾鳍的鳍形状的特征，作为各个体的特征数据，
将各个体饲养一定时间后，再次拍摄各个体的侧面图像，取得侧面图像数据，
将从饲养一定时间后的侧面图像数据得到的个体的臀鳍和尾鳍的条纹图案的特征数据、或者臀鳍和尾鳍的条纹图案以及背鳍、臀鳍和尾鳍的鳍形状的特征数据与所述各个体的特征数据比对，基于比对结果识别各个体。
10.如权利要求1～3中任一项所述的方法，其中，
识别由同一双亲同日生出的2条以上的斑马鱼。
11.如权利要求1～3中任一项所述的方法，其中，
识别同一个水槽中饲养的2条以上的斑马鱼。
12.如权利要求1～3中任一项所述的方法，其中，
拍摄无麻醉条件下游泳中的斑马鱼的侧面图像。
13.如权利要求1～3中任一项所述的方法，其中，
在使斑马鱼在水槽中游泳进行观察时，在能够从水槽侧部侧面观察斑马鱼的臀鳍和尾鳍的条纹图案的条件下使斑马鱼游泳。
14.如权利要求1～3中任一项所述的方法，其中，
将斑马鱼逐一地投入能够转变游泳方向、但不能向纵深方向移动并且能够在宽度方向游泳推进的水槽中，正当斑马鱼在水槽中自由游泳时拍摄斑马鱼的侧面图像。
15.如权利要求1～3中任一项所述的方法，其中，
在水槽的一定方向施加水流，使斑马鱼在一定方向游泳，拍摄在一定方向游泳的斑马鱼的侧面图像。
16.如权利要求1～3中任一项所述的方法，其中，
对于所述侧面图像数据，进行从旋转、裁剪、对比度调整以及白平衡调整中选择的至少一种图像处理。
17.一种斑马鱼的个体识别装置，其中，
具备：
条纹图案信息的取得单元，其从侧面观察2条以上的成长的斑马鱼的各个体所得到的图像数据中取得臀鳍和尾鳍的条纹图案的信息；
条纹图案特征的确定单元，其从取得的条纹图案的信息中确定各个体的特征；和
个体辨别单元，其基于确定的条纹图案的特征，辨别各个体。
18.如权利要求17所述的装置，其中，
所述特征为从条纹的分支的有无、以及条纹的分断的有无中选择的至少1个。
19.如权利要求17或18所述的装置，其中，
所述特征为从条纹的分支的有无、条纹的分断的有无、条纹的数量、条纹的弯曲的有无、以及条纹宽度的变化的有无中选择的至少1个。
20.如权利要求19所述的装置，其中，
通过所述确定单元，特定具有条纹的分支、条纹的分断、条纹的弯曲或条纹宽度的变化的条纹的位置。
21.如权利要求17或18所述的装置，其中，
还具备：鳍形状信息的取得单元，其从所述图像数据取得背鳍、臀鳍以及尾鳍的形状的信息；和鳍形状特征的确定单元，其从取得的鳍形状的信息确定各个体的特征。
22.如权利要求21所述的装置，其中，
所述鳍形状特征为鳍的缺损的有无。
23.如权利要求17或18所述的装置，其中，
还具备：对于饲养一定时间前的斑马鱼储存确定的特征信息的数据库、以及对于饲养一定时间后的斑马鱼储存确定的特征信息的数据库，
所述个体辨别单元比对2个数据库中储存的各信息，基于比对结果识别各个体。
24.如权利要求17或18所述的装置，其中，
所述条纹图案信息的取得单元从斑马鱼正在水槽中自由游泳时侧面观察到的图像数据中取得臀鳍和尾鳍的条纹图案的信息。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2016/053476 WO2017134812A1 (ja) | 2016-02-05 | 2016-02-05 | ゼブラフィッシュの個体識別方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108601337A CN108601337A (zh) | 2018-09-28 |
| CN108601337B true CN108601337B (zh) | 2021-05-18 |
Family
ID=58185981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680081020.3A Active CN108601337B (zh) | 2016-02-05 | 2016-02-05 | 斑马鱼的个体识别方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10750723B2 (zh) |
| EP (1) | EP3412147B1 (zh) |
| JP (1) | JP6088709B1 (zh) |
| CN (1) | CN108601337B (zh) |
| WO (1) | WO2017134812A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6650984B1 (ja) * | 2018-10-03 | 2020-02-19 | 株式会社メビウス | 錦鯉の個体識別方法 |
| CN109275609B (zh) * | 2018-11-14 | 2021-06-01 | 常州大学 | 基于图像处理的常见淡水鱼种类自动识别方法 |
| CN111666897A (zh) * | 2020-06-08 | 2020-09-15 | 鲁东大学 | 基于卷积神经网络的斑石鲷个体识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000067583A (ko) * | 1999-04-29 | 2000-11-25 | 김윤규 | 어류를 이용한 화상감시용 수조 |
| JP2005328725A (ja) * | 2004-05-18 | 2005-12-02 | Oriental Giken Kogyo Kk | 実験用生物育成管理システムおよび実験用生物育成管理方法 |
| WO2009008733A1 (en) * | 2007-07-09 | 2009-01-15 | Feed Control Norway As | Means and method for average weight determination and appetite feeding |
| WO2013024665A1 (ja) * | 2011-08-16 | 2013-02-21 | 日本電気株式会社 | 特徴点対応付けシステム、特徴点対応付け方法、および記録媒体 |
| JP2016502725A (ja) * | 2012-12-06 | 2016-01-28 | フィッシュブレイン・アーベー | 活動に関連するデータのログを取り、処理するための方法およびシステム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100119119A1 (en) * | 2008-11-07 | 2010-05-13 | General Electric Company | Automated systems and methods for screening zebrafish |
| US8710294B2 (en) * | 2011-02-14 | 2014-04-29 | National Tsing Hua University | Transparent zebrafish and preparation method thereof |
-
2016
- 2016-02-05 US US16/068,401 patent/US10750723B2/en active Active
- 2016-02-05 CN CN201680081020.3A patent/CN108601337B/zh active Active
- 2016-02-05 JP JP2016535068A patent/JP6088709B1/ja active Active
- 2016-02-05 WO PCT/JP2016/053476 patent/WO2017134812A1/ja active Application Filing
- 2016-02-05 EP EP16889298.2A patent/EP3412147B1/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000067583A (ko) * | 1999-04-29 | 2000-11-25 | 김윤규 | 어류를 이용한 화상감시용 수조 |
| JP2005328725A (ja) * | 2004-05-18 | 2005-12-02 | Oriental Giken Kogyo Kk | 実験用生物育成管理システムおよび実験用生物育成管理方法 |
| WO2009008733A1 (en) * | 2007-07-09 | 2009-01-15 | Feed Control Norway As | Means and method for average weight determination and appetite feeding |
| WO2013024665A1 (ja) * | 2011-08-16 | 2013-02-21 | 日本電気株式会社 | 特徴点対応付けシステム、特徴点対応付け方法、および記録媒体 |
| JP2016502725A (ja) * | 2012-12-06 | 2016-01-28 | フィッシュブレイン・アーベー | 活動に関連するデータのログを取り、処理するための方法およびシステム |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017134812A1 (ja) | 2017-08-10 |
| JPWO2017134812A1 (ja) | 2018-02-08 |
| US20190014750A1 (en) | 2019-01-17 |
| EP3412147A1 (en) | 2018-12-12 |
| JP6088709B1 (ja) | 2017-03-01 |
| US10750723B2 (en) | 2020-08-25 |
| EP3412147A4 (en) | 2019-09-04 |
| EP3412147B1 (en) | 2021-09-08 |
| CN108601337A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Achour et al. | Image analysis for individual identification and feeding behaviour monitoring of dairy cows based on Convolutional Neural Networks (CNN) | |
| US10146993B2 (en) | Non-invasive multimodal biometrical identification system of animals | |
| US11983950B2 (en) | Entity identification using machine learning | |
| US10932445B2 (en) | System for uniquely identifying subjects from a target population | |
| CN108601337B (zh) | 斑马鱼的个体识别方法 | |
| KR101494717B1 (ko) | 동물들의 코무늬를 이용한 동물 개체 인식 장치 | |
| Cisar et al. | Computer vision based individual fish identification using skin dot pattern | |
| Lodkaew et al. | CowXNet: An automated cow estrus detection system | |
| Gan et al. | Automated detection and analysis of piglet suckling behaviour using high-accuracy amodal instance segmentation | |
| Stien et al. | Consistent melanophore spot patterns allow long‐term individual recognition of Atlantic salmon Salmo salar | |
| Zion et al. | Classification of guppies’(Poecilia reticulata) gender by computer vision | |
| Risholm et al. | Automatic length estimation of free-swimming fish using an underwater 3D range-gated camera | |
| Jaddoa et al. | Automatic eyes localization in thermal images for temperature measurement in cattle | |
| Gould et al. | Using citizen science in the photo-identification of adult individuals of an amphibian based on two facial skin features | |
| JP6679474B2 (ja) | ゼブラフィッシュの個体識別方法 | |
| KR20200062890A (ko) | 관상어 영상인식을 통한 이상행동패턴 분석 시스템 및 그 방법 | |
| Zhao et al. | Image-based recognition of individual trouts in the wild | |
| Hashisho et al. | AI-assisted Automated Pipeline for Length Estimation, Visual Assessment of the Digestive Tract and Counting of Shrimp in Aquaculture Production. | |
| Zhao et al. | Real-time automatic classification of lameness in dairy cattle based on movement analysis with image processing technique | |
| Williamson et al. | A flow-through imaging system for automated measurement of ichthyoplankton | |
| Stahl et al. | Capturing 2D and 3D biometric data of farm animals under real-life conditions | |
| Rajivegandhi et al. | Detection Of peptic ulcers based on thresholding and watershed segmentation | |
| Gill | Abalone tag detection and recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |