CN111597914B - 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统 - Google Patents

一种斑马鱼幼鱼尾部吸持损伤评估方法及系统 Download PDF

Info

Publication number
CN111597914B
CN111597914B CN202010327244.6A CN202010327244A CN111597914B CN 111597914 B CN111597914 B CN 111597914B CN 202010327244 A CN202010327244 A CN 202010327244A CN 111597914 B CN111597914 B CN 111597914B
Authority
CN
China
Prior art keywords
fish
image
contour
juvenile
tail
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
Application number
CN202010327244.6A
Other languages
English (en)
Other versions
CN111597914A (zh
Inventor
于兴虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202010327244.6A priority Critical patent/CN111597914B/zh
Publication of CN111597914A publication Critical patent/CN111597914A/zh
Application granted granted Critical
Publication of CN111597914B publication Critical patent/CN111597914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种斑马鱼幼鱼尾部吸持损伤评估方法及系统。该方法包括：将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像；将所述图像进行处理，得到处理图像；提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像；根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度。本发明能够对斑马鱼幼鱼尾部吸持损伤进行准确的评估。

Description

一种斑马鱼幼鱼尾部吸持损伤评估方法及系统
技术领域
本发明涉及斑马鱼幼鱼尾部损伤领域，特别是涉及一种斑马鱼幼鱼尾部吸持损伤评估方法及系统。
背景技术
斑马鱼目前已经成为最重要的有脊椎模式动物之一。它繁殖能力极强，与人类基因相似度很高，生长速度快，从胚胎至幼鱼时期都为透明，故便于观察其身体发育等特性。因此，斑马鱼在研究脊椎动物发育生物学方向具有极其重要的研究价值。在斑马鱼幼鱼显微操作系统中，用一个移液管作为吸持针将斑马鱼幼鱼吸住是一种比较常见的固定方法，现有的对吸持损伤的评估方法主要是通过人工根据显微镜得到的图像去估计损伤的大小，缺陷是无法对损伤进行量化，不便于对不同幼鱼的损伤进行比较。
发明内容
本发明的目的是提供一种斑马鱼幼鱼尾部吸持损伤评估方法及系统，能够对斑马鱼幼鱼尾部吸持损伤进行准确的评估。
为实现上述目的，本发明提供了如下方案：
一种斑马鱼幼鱼尾部吸持损伤评估方法，包括：
将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；
当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像；
将所述图像进行处理，得到处理图像；
提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像；
根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度。
可选的，所述将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中，具体包括：
使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
可选的，所述当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像，具体包括：
当所述幼鱼静止于所述培养皿底部后，将显微镜放大倍数设置为12倍，通过显微镜得到幼鱼身体侧面的图像。
可选的，所述将所述图像进行处理，得到处理图像，具体包括：
将所述图像进行灰度化处理，得到灰度图像；
对所述灰度图像进行二值化处理，得到二值化图像。
可选的，所述提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像，具体包括：
提取所述处理图像中的白色区域轮廓，得到轮廓图像；
滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像。
可选的，所述根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度，具体包括：
根据所述幼鱼轮廓图像，建立坐标系；
确定吸持位置；
根据所述吸持位置和所述坐标系，确定变形部分；
根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点；
根据各所述轮廓点，确定幼鱼尾巴轮廓方程；
根据各所述幼鱼尾巴轮廓方程，确定轮廓误差；
根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度。
一种斑马鱼幼鱼尾部吸持损伤评估系统，包括：
吸持模块，用于将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；
图像获取模块，用于当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像；
图像处理模块，用于将所述图像进行处理，得到处理图像；
幼鱼轮廓图像提取模块，用于提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像；
损伤程度确定模块，用于根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度。
可选的，所述吸持模块，具体包括：
吸持单元，用于使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
可选的，所述幼鱼轮廓图像提取模块，具体包括：
轮廓图像提取单元，用于提取所述处理图像中的白色区域轮廓，得到轮廓图像；
杂质图像滤除单元，用于滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像。
可选的，所述损伤程度确定模块，具体包括：
坐标系建立单元，用于根据所述幼鱼轮廓图像，建立坐标系；
吸持位置确定单元，用于确定吸持位置；
变形部分确定单元，用于根据所述吸持位置和所述坐标系，确定变形部分；
轮廓点确定单元，用于根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点；
轮廓方程确定单元，用于根据各所述轮廓点，确定幼鱼尾巴轮廓方程；
轮廓误差确定单元，用于根据各所述幼鱼尾巴轮廓方程，确定轮廓误差；
损伤程度确定单元，用于根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种斑马鱼幼鱼尾部吸持损伤评估方法及系统。将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；当幼鱼静止于培养皿底部后，获取当前时刻幼鱼身体侧面的图像；将图像进行灰度化和二值化处理，得到处理图像；提取处理图像中的白色区域轮廓，得到幼鱼轮廓图像；根据幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度。通过上述过程能够对斑马鱼幼鱼尾部吸持损伤进行准确的评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明斑马鱼幼鱼尾部吸持损伤评估方法流程图；
图2为本发明斑马鱼幼鱼图像对应的灰度图像；
图3为本发明斑马鱼幼鱼图像对应的二值化图像；
图4为本发明二值化图像中的幼鱼轮廓图像；
图5为本发明幼鱼尾部吸入吸持针示意图；
图6为本发明坐标系建立示意图；
图7为本发明三个形变等级示意图；
图8为本发明斑马鱼幼鱼尾部吸持损伤评估系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种斑马鱼幼鱼尾部吸持损伤评估方法及系统，能够对斑马鱼幼鱼尾部吸持损伤进行准确的评估。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明斑马鱼幼鱼尾部吸持损伤评估方法流程图。如图1所示，一种斑马鱼幼鱼尾部吸持损伤评估方法包括：
步骤101：将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中，具体包括：
使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
步骤102：当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像，具体包括：
当所述幼鱼静止于所述培养皿底部后，将显微镜放大倍数设置为12倍，通过显微镜得到幼鱼身体侧面的图像。
步骤103：将所述图像进行处理，得到处理图像，具体包括：
将所述图像进行灰度化处理，得到灰度图像。图2为本发明斑马鱼幼鱼图像对应的灰度图像。
对所述灰度图像进行二值化处理，得到二值化图像。图3为本发明斑马鱼幼鱼图像对应的二值化图像。
步骤104：提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像，具体包括：
提取所述处理图像中的白色区域轮廓，得到轮廓图像。
滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像。图4为本发明二值化图像中的幼鱼轮廓图像。其中的面积最大的轮廓即为幼鱼轮廓图像，较小的为杂质图像。
步骤105：根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度，具体包括：
步骤1051：根据所述幼鱼轮廓图像，建立坐标系。建立坐标系方法如下：对最大轮廓内的所有点用Matlab软件中的polyfit()函数进行线性拟合，得到的拟合直线斜率反映了幼鱼的倾角，将图像旋转至这一角度可以得到幼鱼横向的图像。图6为本发明坐标系建立示意图。
步骤1052：确定吸持位置。吸持位置可通过吸持时吸持针以外的长度来判断：针尖卡住鱼尾的位置是吸持位置，所述吸持位置也为形变位置。图5为本发明幼鱼尾部吸入吸持针示意图。
步骤1053：根据所述吸持位置和所述坐标系，确定变形部分。上述过程需要在幼鱼轮廓图像的腹侧轮廓上，取以针尖卡住鱼尾的位置为中心的300微米长100微米宽的区域定义为变形部分ΩD。
步骤1054：根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点。取轮廓上在ΩD内的所有点，由左到右分别定义为(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)，其中n为点的个数。
步骤1055：根据各所述轮廓点，确定幼鱼尾巴轮廓方程。本发明设定变形前变形区域内轮廓近似为直线段，通过(x1,y1),(xn,yn)两点估计变形部分ΩD内变形前的轮廓方程为：
Figure BDA0002463660290000061
步骤1056：根据各所述幼鱼尾巴轮廓方程，确定轮廓误差。本发明形变之后的轮廓上每个点的误差通过下式计算：
ec(xi)＝yi-Y(xi)，其中为i＝1,2,3,...,n，ec(xi)为(xi,yi)的轮廓误差。
步骤1057：根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度。
本发明斑马鱼幼鱼尾部吸持损伤程度通过下式计算：
Figure BDA0002463660290000062
其中，card()表示集合ΩD中的元素个数即轮廓上在ΩD内的所有点的个数。当0≤D＜5时，形变较轻微；当5≤D＜20时，形变程度中等；当D≥20时，形变严重，幼鱼在吸持中收到了较严重的损伤。轻微形变说明吸持力较合适，中等形变说明需要略微减小吸持力，严重形变说明需要大幅减小吸持力。图7为本发明三个形变等级示意图。
图8为本发明斑马鱼幼鱼尾部吸持损伤评估系统结构图。如图8所示，一种斑马鱼幼鱼尾部吸持损伤评估系统，包括：
吸持模块201，用于将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中。
图像获取模块202，用于当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像。
图像处理模块203，用于将所述图像进行处理，得到处理图像。
幼鱼轮廓图像提取模块204，用于提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像。
损伤程度确定模块205，用于根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度。
所述吸持模块201，具体包括：
吸持单元，用于使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
所述幼鱼轮廓图像提取模块204，具体包括：
轮廓图像提取单元，用于提取所述处理图像中的白色区域轮廓，得到轮廓图像。
杂质图像滤除单元，用于滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像。
所述损伤程度确定模块205，具体包括：
坐标系建立单元，用于根据所述幼鱼轮廓图像，建立坐标系。
吸持位置确定单元，用于确定吸持位置。
变形部分确定单元，用于根据所述吸持位置和所述坐标系，确定变形部分。
轮廓点确定单元，用于根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点。
轮廓方程确定单元，用于根据各所述轮廓点，确定幼鱼尾巴轮廓方程。
轮廓误差确定单元，用于根据各所述幼鱼尾巴轮廓方程，确定轮廓误差。
损伤程度确定单元，用于根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种斑马鱼幼鱼尾部吸持损伤评估方法，其特征在于，包括：
将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；
当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像；
将所述图像进行处理，得到处理图像；
提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像；
根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度；
提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像，具体包括：
提取所述处理图像中的白色区域轮廓，得到轮廓图像；
滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像；
根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度，具体包括：
根据所述幼鱼轮廓图像，建立坐标系；
确定吸持位置；
根据所述吸持位置和所述坐标系，确定变形部分；
根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点；
根据各所述轮廓点，确定幼鱼尾巴轮廓方程；
根据各所述幼鱼尾巴轮廓方程，确定轮廓误差；
根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度；
根据所述幼鱼轮廓图像，建立坐标系，具体包括：
对最大轮廓内的所有点用Matlab软件中的polyfit()函数进行线性拟合，得到的拟合直线斜率反映了幼鱼的倾角，将图像旋转至这一角度可以得到幼鱼横向的图像；
根据所述吸持位置和所述坐标系，确定变形部分，具体包括：
需要在幼鱼轮廓图像的腹侧轮廓上，取以针尖卡住鱼尾的位置为中心的300微米长100微米宽的区域定义为变形部分ΩD；
根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点，具体包括：
取轮廓上在ΩD内的所有点，由左到右分别定义为(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)，其中n为点的个数；
根据各所述轮廓点，确定幼鱼尾巴轮廓方程，具体包括：
设定变形前变形区域内轮廓近似为直线段，通过(x1,y1),(xn,yn)两点估计变形部分ΩD内变形前的轮廓方程为：
Figure FDA0004183077480000021
根据各所述幼鱼尾巴轮廓方程，确定轮廓误差，具体包括：
形变之后的轮廓上每个点的误差通过下式计算：ec(xi)＝yi-Y(xi)，其中为i＝1,2,3,...,n，ec(xi)为(xi,yi)的轮廓误差；
根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度，具体包括：
斑马鱼幼鱼尾部吸持损伤程度通过下式计算：
Figure FDA0004183077480000022
其中，card()表示集合ΩD中的元素个数即轮廓上在ΩD内的所有点的个数，当0≤D＜5时，形变较轻微；当5≤D＜20时，形变程度中等；当D≥20时，形变严重，幼鱼在吸持中收到了较严重的损伤，轻微形变说明吸持力较合适，中等形变说明需要略微减小吸持力，严重形变说明需要大幅减小吸持力。
2.根据权利要求1所述的斑马鱼幼鱼尾部吸持损伤评估方法，其特征在于，所述将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中，具体包括：
使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
3.根据权利要求1所述的斑马鱼幼鱼尾部吸持损伤评估方法，其特征在于，所述当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像，具体包括：
当所述幼鱼静止于所述培养皿底部后，将显微镜放大倍数设置为12倍，通过显微镜得到幼鱼身体侧面的图像。
4.根据权利要求1所述的斑马鱼幼鱼尾部吸持损伤评估方法，其特征在于，所述将所述图像进行处理，得到处理图像，具体包括：
将所述图像进行灰度化处理，得到灰度图像；
对所述灰度图像进行二值化处理，得到二值化图像。
5.一种斑马鱼幼鱼尾部吸持损伤评估系统，其特征在于，包括：
吸持模块，用于将吸持针将幼鱼尾部尖端吸进针尖中，设定时间后将幼鱼释放回培养皿中；
图像获取模块，用于当所述幼鱼静止于所述培养皿底部后，获取当前时刻所述幼鱼身体侧面的图像；
图像处理模块，用于将所述图像进行处理，得到处理图像；
幼鱼轮廓图像提取模块，用于提取所述处理图像中的白色区域轮廓，得到幼鱼轮廓图像；
损伤程度确定模块，用于根据所述幼鱼轮廓图像，确定斑马鱼幼鱼尾部吸持损伤程度；
所述幼鱼轮廓图像提取模块，具体包括：
轮廓图像提取单元，用于提取所述处理图像中的白色区域轮廓，得到轮廓图像；
杂质图像滤除单元，用于滤掉所述轮廓图像中的杂质图像，得到幼鱼轮廓图像；
所述损伤程度确定模块，具体包括：
坐标系建立单元，用于根据所述幼鱼轮廓图像，建立坐标系；
吸持位置确定单元，用于确定吸持位置；
变形部分确定单元，用于根据所述吸持位置和所述坐标系，确定变形部分；
轮廓点确定单元，用于根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点；
轮廓方程确定单元，用于根据各所述轮廓点，确定幼鱼尾巴轮廓方程；
轮廓误差确定单元，用于根据各所述幼鱼尾巴轮廓方程，确定轮廓误差；
损伤程度确定单元，用于根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度；
根据所述幼鱼轮廓图像，建立坐标系，具体包括：
对最大轮廓内的所有点用Matlab软件中的polyfit()函数进行线性拟合，得到的拟合直线斜率反映了幼鱼的倾角，将图像旋转至这一角度可以得到幼鱼横向的图像；
根据所述吸持位置和所述坐标系，确定变形部分，具体包括：
需要在幼鱼轮廓图像的腹侧轮廓上，取以针尖卡住鱼尾的位置为中心的300微米长100微米宽的区域定义为变形部分ΩD；
根据所述变形部分和所述幼鱼轮廓图像，确定幼鱼尾巴轮廓图像在所述变形部分内的所有轮廓点，具体包括：
取轮廓上在ΩD内的所有点，由左到右分别定义为(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)，其中n为点的个数；
根据各所述轮廓点，确定幼鱼尾巴轮廓方程，具体包括：
设定变形前变形区域内轮廓近似为直线段，通过(x1,y1),(xn,yn)两点估计变形部分ΩD内变形前的轮廓方程为：
Figure FDA0004183077480000041
根据各所述幼鱼尾巴轮廓方程，确定轮廓误差，具体包括：
形变之后的轮廓上每个点的误差通过下式计算：ec(xi)＝yi-Y(xi)，其中为i＝1,2,3,...,n，ec(xi)为(xi,yi)的轮廓误差；
根据所述变形部分和所述轮廓误差，确定斑马鱼幼鱼尾部吸持损伤程度，包括：
斑马鱼幼鱼尾部吸持损伤程度通过下式计算：
Figure FDA0004183077480000042
其中，card()表示集合ΩD中的元素个数即轮廓上在ΩD内的所有点的个数，当0≤D＜5时，形变较轻微；当5≤D＜20时，形变程度中等；当D≥20时，形变严重，幼鱼在吸持中收到了较严重的损伤，轻微形变说明吸持力较合适，中等形变说明需要略微减小吸持力，严重形变说明需要大幅减小吸持力。
6.根据权利要求5所述的斑马鱼幼鱼尾部吸持损伤评估系统，其特征在于，所述吸持模块，具体包括：
吸持单元，用于使用针尖内径100微米的毛细玻璃管作为吸持针将幼鱼尾部尖端吸进针尖中，维持30秒后再将幼鱼释放回培养皿中。
CN202010327244.6A 2020-04-23 2020-04-23 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统 Active CN111597914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010327244.6A CN111597914B (zh) 2020-04-23 2020-04-23 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010327244.6A CN111597914B (zh) 2020-04-23 2020-04-23 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统

Publications (2)

Publication Number Publication Date
CN111597914A CN111597914A (zh) 2020-08-28
CN111597914B true CN111597914B (zh) 2023-05-30

Family

ID=72183437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010327244.6A Active CN111597914B (zh) 2020-04-23 2020-04-23 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统

Country Status (1)

Country Link
CN (1) CN111597914B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113528583A (zh) * 2021-07-15 2021-10-22 澳门大学 自动化显微注射方法、装置、系统、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070127796A1 (en) * 2005-11-23 2007-06-07 General Electric Company System and method for automatically assessing active lesions
CN102063723B (zh) * 2011-01-28 2013-01-02 南京理工大学 高通量成像系统下的斑马鱼间脑和中脑自动分割方法
US9636021B2 (en) * 2014-06-16 2017-05-02 The University Of Akron Flavonoid compounds of low toxicity for biological imaging applications
CN107047396A (zh) * 2017-06-23 2017-08-18 哈尔滨工业大学 一种视觉伺服斑马鱼心脏注射方法
CN109145808B (zh) * 2018-08-17 2022-06-21 郑州轻工业学院 一种基于自适应鱼体弯曲模型的金枪鱼识别方法
CN109035340B (zh) * 2018-08-17 2021-08-20 哈尔滨工业大学 一种不同微量吸液管尖端的自动定位方法及装置
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
CN110016431B (zh) * 2019-04-17 2020-12-01 江南大学 一种视觉伺服三维旋转的斑马鱼胚胎心脏注射系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于背部轮廓相关系数算法的淡水鱼种类识别研究;涂兵;王锦萍;王思成;周幸;戴平;;计算机工程与应用(第16期);第162-166页 *

Also Published As

Publication number Publication date
CN111597914A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN111597914B (zh) 一种斑马鱼幼鱼尾部吸持损伤评估方法及系统
Duan et al. An automatic counting system for transparent pelagic fish eggs based on computer vision
CN109035340B (zh) 一种不同微量吸液管尖端的自动定位方法及装置
EP1574818A3 (en) Non-contact measurement method and apparatus
CN109781747B (zh) 基于机器视觉的细胞学标本样片染色效果检测方法及系统
TW200307810A (en) Method and apparatus for determining the sex of a fertilized egg
CN112991306A (zh) 一种基于图像处理的卵裂期胚胎细胞位置分割和计数方法
CN111784649A (zh) 一种无损鱼骨的鱼骨表型信息自动检测系统及方法
CN111914685A (zh) 母猪发情检测方法、装置、电子设备及存储介质
CN110826565B (zh) 基于跨连接的卷积神经网络齿痕舌象分类方法及系统
CN114494165A (zh) 一种基于聚类的光条提取方法及装置
CN111429503B (zh) 一种斑马鱼幼鱼年龄估计方法及系统
CN112642500B (zh) 一种多样品斑马鱼幼苗高通量微流控芯片、筛选系统及其应用
CN111611844B (zh) 一种斑马鱼幼鱼吸持运动过程中吸持状态确定方法及系统
CN102880355B (zh) 基于摄像头定位的触摸光斑提取方法及系统
CN112716650B (zh) 一种机器人化的斑马鱼主静脉显微注射方法
CN112750143B (zh) 一种基于极值法的茎柔鱼形态特征提取方法
CN112200873A (zh) 一种基于虹膜特征的角膜内皮细胞计数仪定位照相方法
CN112861675A (zh) 一种粪便有形成分检测识别方法
Zhang et al. Mechanical force estimation based on visual cell deformation and improved point-load model
CN110455199A (zh) PCB板Pin针高度检测方法及系统
CN117257204B (zh) 一种内窥镜控制组件控制方法及系统
CN116309547B (zh) 一种零件表面质量检测方法、装置、设备及介质
CN112669380B (zh) 一种显微操作系统中目标姿态控制方法及系统
CN115096211A (zh) 一种再模糊的共焦差动轴向有效区域提取的三维还原方法

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