賀芊菡 孫翁杰 劉必林, 孔祥洪, 林龍山

(1. 上海海洋大學(xué)海洋科學(xué)學(xué)院 上海 201306; 2. 上海海洋大學(xué)信息學(xué)院 上海 201306; 3. 大洋漁業(yè)資源可持續(xù)開發(fā)教育部重點實驗室 上海 201306; 4. 國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心 上海海洋大學(xué) 上海 201306; 5. 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開發(fā)重點實驗室 上海 201306; 6. 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測實驗站 上海 201306; 7. 自然資源部第三海洋研究所 廈門 361005)

頭足類角質(zhì)顎形態(tài)結(jié)構(gòu)穩(wěn)定、耐腐蝕、儲藏信息豐富(劉必林等, 2009), 廣泛用于種群判別、種類鑒定、攝食生態(tài)等方面研究(劉必林等, 2015, 2016; Liu et al, 2019; 林靜遠(yuǎn)等, 2020)?；谟螛?biāo)卡尺的手動徑向測量法是獲取角質(zhì)顎形態(tài)參數(shù)的傳統(tǒng)方法(方舟等,2014; 陳楠樺等, 2018), 而利用計算機視覺進(jìn)行角質(zhì)顎形態(tài)參數(shù)測定是一種新方法, 具有準(zhǔn)確、快捷方便的特性。為了避免人為測量造成的誤差, 提高研究耳石日輪的準(zhǔn)確性, 國外已有學(xué)者研究開發(fā)了耳石日輪自動識別和分析程序(Fowler, 1989; Rypel, 2008),但是對于角質(zhì)顎的相關(guān)研究在國內(nèi)外卻鮮有報道。文章根據(jù)角質(zhì)顎三視圖獲取的角質(zhì)顎特征點及空間坐標(biāo)系從計算機視覺角度估算角質(zhì)顎形態(tài)學(xué)參數(shù), 并與傳統(tǒng)的方法進(jìn)行比較, 以評估基于計算機視覺測量角質(zhì)形態(tài)的準(zhǔn)確性、優(yōu)越性, 為頭足類角質(zhì)顎參數(shù)的測量提供新方法。

1 材料與方法

1.1 材料

實驗樣本為2019 年1—2 月在印度洋海域進(jìn)行漁業(yè)資源調(diào)查時所獲得的10 尾個體大小相近的鳶烏賊Sthenoteuthis oualaniensis, 采集海域為 61°02′E—61°35′E,17°04′N—17°18′N。樣本經(jīng)冷凍保存后帶回實驗室提取角質(zhì)顎并進(jìn)行形態(tài)學(xué)測定。

1.2 角質(zhì)顎的手動測量

利用游標(biāo)卡尺對角質(zhì)顎 wwwwww 形態(tài)參數(shù)進(jìn)行手動測量(方舟等, 2014)(圖1): 上頭蓋長(upper hood length, UHL)、上脊突長(upper crest length, UCL)、上喙長(upper rostrum length, URL)、上翼長(upper wing length, UWL)、上側(cè)壁長(upper lateral wall length,ULWL); 以及下頭蓋長(lower hood length, LHL)、下脊突長(lower crest length, LCL)、下喙長(lower rostrum length, LRL)、下翼長(lower wing length, LWL)、下側(cè)壁長(lower lateral wall length, LLWL)。游標(biāo)卡尺的精度為0.02 mm。每個角質(zhì)顎樣本分別重復(fù)測量十次進(jìn)行分析。

圖1 角質(zhì)顎徑向測量示意圖Fig.1 Radial measurement diagram of the beak

1.3 角質(zhì)顎計算機視覺測量

(1) 利用自制拍攝裝置對每個角質(zhì)顎進(jìn)行三視圖獲取, 對所得三視圖進(jìn)行輪廓的提取, 分別得到上、下顎三視圖的邊緣輪廓圖。

(2) 根據(jù)得到的邊緣輪廓圖提取上、下顎的特征點(薛延學(xué)等, 2004), 獲取上、下顎各10 個特征點位置及其空間坐標(biāo)。

(3) 依據(jù)空間坐標(biāo)計算空間距離(徐陽, 2019), 獲取角質(zhì)顎各形態(tài)學(xué)參數(shù), 計算機精度與像素精度和亞像素有關(guān), 本文計算機精度為0.001 mm。

(4) 每個角質(zhì)顎樣本調(diào)整位置和角度拍攝十組不同三視圖重復(fù)步驟(2)、(3)。

(5) 十個角質(zhì)顎樣本重復(fù)以上步驟。

以上步驟均通過MATLAB 軟件編程完成。

1.4 數(shù)據(jù)分析

(1) 異常值檢驗。采用格拉布斯檢驗對以上兩種方法得到的每個角質(zhì)顎樣本形態(tài)學(xué)參數(shù)進(jìn)行正態(tài)分布異常值檢驗, 剔除異常值, 其計算公式如下(潘仁瑾, 1996):

式中, xi是每個樣品每次測定值,是每個樣本十次測定值的算術(shù)平均值, S 為樣本標(biāo)準(zhǔn)差, 顯著水平為0.05。

(2) 準(zhǔn)確度計算。利用絕對誤差e 和相對誤差er比較兩種方法測量值的準(zhǔn)確度, 計算公式如下(錢政等, 2008):

式中, xi是各樣品每次測定值,是每個樣本十次測定值的算術(shù)平均值。

為了方便比較兩種方法的測量結(jié)果, 本研究采取平均絕對誤差e 和平均相對誤差進(jìn)行分析, 計算公式如下:

式中, e1, e2,…, e10表示每個樣本每次測量結(jié)果的絕對誤差, er1, er2,…, er10表示每個樣本每次測量結(jié)果的相對誤差。

絕對誤差是反映測量值偏離真值的大小, 誤差單位和測量值單位相同, 絕對誤差越小表明測量值偏離真值越少, 準(zhǔn)確度越高(黃紅珍, 2003)。而相對誤差更能反映測量的可信程度, 表明測量值與準(zhǔn)確值的逼近程度, 代表絕對誤差在真值中所占的百分率,本研究中采用相對誤差為 5%的標(biāo)準(zhǔn)進(jìn)行評價, 相對誤差越小則代表測量值偏離真值越少, 準(zhǔn)確度越高(孫炳全, 1998)。

(3) 精密度計算。利用標(biāo)準(zhǔn)差S 和離散系數(shù)C.V比較兩種方法測量值的精密度, 計算公式如下(成正維, 2004; 王超, 2010):

式中, xi為各樣品的每次測量值, n 為樣本容量,為每個樣本十次測量結(jié)果的算術(shù)平均值, S 為樣本標(biāo)準(zhǔn)差。

標(biāo)準(zhǔn)差反映測量值的離散程度, 與測量值單位相同, 標(biāo)準(zhǔn)差越小, 表示數(shù)據(jù)越聚集于真實值附近,精密度越高, 反之標(biāo)準(zhǔn)差越大則表示數(shù)據(jù)越分散, 精密度越小; 離散系數(shù)越大, 離散程度越大, 表明數(shù)據(jù)的平均數(shù)代表性差, 即數(shù)據(jù)遠(yuǎn)離平均值, 精密度較低; 反之則表示離散程度越小, 數(shù)據(jù)的平均數(shù)代表性高, 精密度較高(馬立富, 2005)。

2 結(jié)果

2.1 格拉布斯檢驗

格拉布斯檢驗結(jié)果表明, 手動測量與計算機視覺測量的7 號角質(zhì)顎樣本數(shù)據(jù)TUHL,UCL＞ T表, 故而判斷 7 號角質(zhì)顎樣本數(shù)據(jù)屬于異常數(shù)據(jù), 將其剔除(表1, 表 2)。

2.2 角質(zhì)顎形態(tài)學(xué)參數(shù)

將每個樣本分別進(jìn)行了十次手動測量和計算機視覺測量的角質(zhì)顎形態(tài)學(xué)參數(shù)數(shù)據(jù)的算術(shù)平均值進(jìn)行列表, 結(jié)果如表3、表4 所示。

將十個樣本所測數(shù)據(jù)都進(jìn)行平均絕對誤差、平均相對誤差、標(biāo)準(zhǔn)差以及離散系數(shù)的計算, 將1 號樣本作為案例列出行平均絕對誤差、平均相對誤差、標(biāo)準(zhǔn)差以離散系數(shù)的計算結(jié)果如表5 所示, 進(jìn)行分析。

比較分析顯示, 除了形態(tài)學(xué)參數(shù) UCL 之外, 其余形態(tài)學(xué)參數(shù)的平均絕對誤差和平均相對誤差均為計算機視覺測量結(jié)果小于手動測量結(jié)果(圖 2, 圖 3),且分析平均相對誤差可知手動測量與計算機視覺測量結(jié)果均小于 5%(圖 3), 因此測量結(jié)果均準(zhǔn)確可靠,但計算機視覺測量的角質(zhì)顎形態(tài)學(xué)參數(shù)結(jié)果偏離真值的程度更小, 準(zhǔn)確度更高。

比較分析顯示, 除了形態(tài)學(xué)參數(shù) UCL 之外, 其余形態(tài)學(xué)參數(shù)的標(biāo)準(zhǔn)差和離散系數(shù)均為計算機視覺測量結(jié)果小于手動測量結(jié)果(圖4, 圖5), 表明計算機視覺測量的角質(zhì)顎形態(tài)學(xué)參數(shù)的結(jié)果離散程度更小,測量結(jié)果更加聚集于真實值附近, 精密度更高。

表1 手動測量角質(zhì)顎形態(tài)學(xué)參數(shù)進(jìn)行格拉布斯檢驗結(jié)果Tab.1 The results of the Grubbs test for manually measuring morphological parameters of beak

表2 計算機視覺測量角質(zhì)顎形態(tài)學(xué)參數(shù)進(jìn)行格拉布斯檢驗結(jié)果Tab.2 The results of the Grubbs test for measuring the parameters of beak by computer vision

表3 手動測量角質(zhì)顎形態(tài)學(xué)參數(shù)算術(shù)平均值結(jié)果Tab.3 The average results of morphological parameters of beak measured manually

表4 計算機視覺測量角質(zhì)顎形態(tài)學(xué)參數(shù)算術(shù)平均值結(jié)果Tab.4 The average results of morphological parameters of beak measured by computer vision

表5 1 號樣本手動測量與計算機視覺測量形態(tài)學(xué)參數(shù)結(jié)果分析Tab.5 Analysis of the results of manual measurement and computer vision measurement of morphological parameters of Sample 1

圖2 手動測量與計算機視覺測量各特征值的平均絕度誤差比較Fig.2 Comparison of mean absolute error between manual measurement and computer vision measurement

圖3 手動測量與計算機視覺測量各特征值的平均相對誤差Fig.3 Comparison of average relative error between manual measurement and computer vision measurement

圖4 手動測量與計算機視覺測量各特征值的標(biāo)準(zhǔn)差比較Fig.4 Comparison of standard deviation between manual measurement and computer vision measurement

3 討論

3.1 準(zhǔn)確度分析

準(zhǔn)確度是指觀測值或估計值與真值的接近程度,由于任何測定都不可避免的帶有誤差, 因此通過測定不能獲得真值, 只能獲得近似真值, 當(dāng)誤差較小時,多次平行測定的平均值接近于真值(賀仁睦, 2000)。本文也將每個樣本進(jìn)行十次測量的算術(shù)平均值作為近似真值進(jìn)行分析, 通過分析兩種方法對每個樣本進(jìn)行十次測量所得的形態(tài)學(xué)參數(shù)的算數(shù)平均值(表 3,表 4)以及平均絕對誤差和平均相對誤差(表 5)可知,兩種測量方法的算術(shù)平均值相差較小, 兩種方法的平均相對誤差都小于5%, 按照統(tǒng)計學(xué)的評價標(biāo)準(zhǔn)(周明昌, 2004), 兩種方法的測量結(jié)果都是準(zhǔn)確可靠的(張紅川, 2012)。分析比較兩組數(shù)據(jù)的平均絕對誤差(表5, 圖2)以及平均相對誤差(表5, 圖3)可知, 除形態(tài)學(xué)參數(shù) UCL 外, 利用計算機視覺進(jìn)行角質(zhì)顎形態(tài)學(xué)參數(shù)的測量結(jié)果的平均絕對誤差和平均相對誤差更小, 計算機視覺測得的數(shù)據(jù)結(jié)果更加逼近真值, 偏離真值的程度更小, 準(zhǔn)確度更高(曹毓等, 2011)。

圖5 手動測量與計算機視覺測量各特征值的離散系數(shù)比較Fig.5 Comparison of discrete coefficients between manual measurement and computer vision measurement

綜上所述, 基于計算機視覺和游標(biāo)卡尺手動測量角質(zhì)顎形態(tài)參數(shù)的方法都是準(zhǔn)確可行的, 所獲取的數(shù)據(jù)均準(zhǔn)確可靠, 可供研究使用(朱朝暉等, 2006),但是計算機視覺測量所得的角質(zhì)顎形態(tài)學(xué)參數(shù)的結(jié)果偏離真值程度更小, 準(zhǔn)確度更高。因此, 建議計算機視覺可以作為一種新的角質(zhì)顎形態(tài)參數(shù)測量方法推廣運用。

3.2 精密度分析

精密度是指在同一條件下進(jìn)行測定, 多次重復(fù)測定值之間的彼此相符合的程度, 往往用標(biāo)準(zhǔn)差以及離散系數(shù)來量度。當(dāng)數(shù)據(jù)的離散程度越大時, 數(shù)據(jù)越分散, 數(shù)據(jù)的標(biāo)準(zhǔn)差和離散系數(shù)越大, 精密度越小(McHorney et al, 1992)。分析兩種方法測量結(jié)果的標(biāo)準(zhǔn)差(表5, 圖4)以及離散系數(shù)(表5, 圖5), 除形態(tài)學(xué)參數(shù) UCL 外, 計算機視覺的測量結(jié)果的標(biāo)準(zhǔn)差和離散系數(shù)都更小, 表明計算機視覺進(jìn)行多次重復(fù)測定所測的結(jié)果更加聚集在真實值附近, 離散程度更小,精密度更高(趙恒等, 2003; 余少雄, 2016)。

綜上所述, 利用計算機視覺進(jìn)行角質(zhì)顎形態(tài)參數(shù)的提取不僅準(zhǔn)確可靠, 而且離散程度更小, 所測結(jié)果更加聚集于真實值附近, 精密度更高。因此, 將頭足類角質(zhì)顎形態(tài)學(xué)的研究與計算機視覺相結(jié)合不僅是將角質(zhì)顎的研究變得自動化, 更是提供一種新的更為準(zhǔn)確精密的研究方法。

3.3 誤差分析

研究進(jìn)行異常值檢驗時, 7 號樣本的檢驗結(jié)果為異常數(shù)據(jù)進(jìn)行了剔除, 其原因可能由于 7 號樣品的頭足類個體與其他樣本個體之間差異較大, 導(dǎo)致角質(zhì)顎樣本出現(xiàn)差異(陳子越等, 2019), 故而角質(zhì)顎形態(tài)學(xué)參數(shù)與其他樣本不同。依據(jù)算術(shù)平均值分析可知, 兩種方法所得結(jié)果的算術(shù)平均值從十分位上開始出現(xiàn)差異, 其原因是手動測量時存在人為誤差,無法準(zhǔn)確測量到每一個特征點的位置, 因而使得所測結(jié)果與計算機標(biāo)定各特征點計算的結(jié)果出現(xiàn)了差異。形態(tài)學(xué)參數(shù)UCL 的平均絕對誤差、平均相對誤差、標(biāo)準(zhǔn)差和離散系數(shù)的計算機視覺測量結(jié)果大于手動徑向測量結(jié)果可能有以下四種原因: (1) 畸變:所有依靠光學(xué)成像的照相機都會產(chǎn)生一定程度的畸變(賈誼等, 2013)。已經(jīng)畸變的圖進(jìn)行計算機視覺的測定會造成誤差, 導(dǎo)致計算機視覺測量的準(zhǔn)確度和精密度降低。(2) 透視: 由于成像時近大遠(yuǎn)小的原理,且角質(zhì)顎側(cè)壁透明度較高等因素, 拍攝時角質(zhì)顎的兩側(cè)邊緣無法重合, 導(dǎo)致兩側(cè)邊緣錯開, 在進(jìn)行計算機視覺測定時會產(chǎn)生誤差。(3) 拍攝視角: 拍攝角質(zhì)顎角度不同或者角質(zhì)顎擺放出現(xiàn)偏差, 會導(dǎo)致獲得的三視圖錯開, 從而產(chǎn)生誤差, 降低計算機視覺拍攝的準(zhǔn)確度和精密度。(4) 特征點位置: 由于角質(zhì)顎側(cè)壁透明度較高且拍攝時上脊突的特征點剛好與載物臺面重合, 進(jìn)行計算機視覺測定時無法區(qū)分映像和載物臺面, 導(dǎo)致對于形態(tài)學(xué)參數(shù)UCL 的提取出現(xiàn)偏差。

綜上所述, 計算機視覺測量角質(zhì)顎形態(tài)學(xué)參數(shù)相較傳統(tǒng)手動測量法準(zhǔn)確度、精密度更高(王平等,2003)。但是計算機視覺在進(jìn)行角質(zhì)顎形態(tài)學(xué)參數(shù)測量時還存在一些問題, 需要改進(jìn)編程算法, 使其更加準(zhǔn)確精密。

4 結(jié)論

基于以上分析, 不難看出基于計算機視覺的角質(zhì)顎形態(tài)學(xué)參數(shù)提取是一種全新的方法, 對于頭足類角質(zhì)顎的研究將更加趨向自動化與信息化, 提取角質(zhì)顎形態(tài)學(xué)參數(shù)也會變得更加精確、更加科學(xué)(郭超, 2017; 帥曉華, 2019)。但是由于編程的不完全成熟,考慮特征點的選取方面不夠完善等, 會促使角質(zhì)顎形態(tài)學(xué)參數(shù)測量過程中出現(xiàn)一些誤差, 造成某些參數(shù)的精密度不夠高, 離散程度偏大。因此, 在今后的研究中還需要進(jìn)一步完善改進(jìn)編程算法, 使得測量的角質(zhì)顎形態(tài)學(xué)參數(shù)更為準(zhǔn)確與精密。此外, 角質(zhì)顎照片拍攝的清晰度對研究結(jié)果也會造成影響。因此,在利用計算機視覺對角質(zhì)顎形態(tài)學(xué)參數(shù)進(jìn)行測量時,往往還需要保證獲得的角質(zhì)顎圖片達(dá)到一定的要求,使得圖片噪音較小, 以便準(zhǔn)確的選定特征點。文章的研究表明了計算機視覺在頭足類角質(zhì)顎中研究前景可期, 期待未來會有越來越多的學(xué)者將計算機視覺與角質(zhì)顎的研究相結(jié)合, 這不僅可以提高研究結(jié)果的準(zhǔn)確性與精密性, 而且還可以大大縮短研究所需的時間。