一种基于Mask-RCNN图像分割的头足类动物角质颚色素沉积量化方法

摘要：

为自动化精确获取头足类动物的角质颚色素沉积占比,采用Mask-RCNN深度学习的神经网络模型,实现对角质颚及其色素沉积的图像识别和分割,提出了一种基于面积获取的自动化测量角质颚色素沉积占比新方法.首先对角质颚及其色素沉积进行轮廓标注,将所得结果转化成训练集导入到残差网络(Resnet50)中,提取角质颚及其色素沉积的数字特征.基于特征金字塔网络(Feature Pyramid Networks,FPN)将各层特征加以融合;再利用区域候选网络(Region Proposal Network,RPN)对特征加以学习并生成候选框;最后,对候选框进行非极大值抑制(Non-Maximum Suppression,NMS),得到角质颚和色素沉积的候选区域,从而实现了角质颚色素沉积占比的自动化精确获取.结果显示:利用Mask-RCNN土颚分割精度为93.60％,色素沉积精度为92.47％,下颚为91.78％,色素沉积为88.78％.研究表明,Mask-RCNN深度学习网络模型可以较好地测量角质颚及其色素沉积的量化占比,本研究为头足类摄食动物的研究提供参考.

关键词：角质颚;色素沉积;深度学习;生长特性;Mask-RCNN

所属期刊栏目：48

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市级科技重大专项资助;国家重点研发计划;上海市高校特聘教授"东方学者"岗位计划项目;上海市科委地方高校能力建设项目;远洋渔业科学与技术研究;支撑平台能力提升-前沿科学共享航次项目

在线出版日期：2021-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：70-78