生命科学分野におけるモデル生物の自動飼育・監視・分析システムの実現

生命科学领域模式生物自动饲养、监测、分析系统的实现

• 批准号: 22K11997
• 负责人: 山本 眞也
• 金额: $ 2.5万
• 依托单位: Tokyo University of Science, Yamaguchi
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K11997/
• 关键词: 行動推定; ロギングシステム; 自動飼育

令和4年度の課題として，(A)画像解析によるゼブラフィッシュの活動のさらなる高精度なロギング，(B)機械学習によるゼブラフィッシュの状態判別と経過予測手法についての研究を行った．(A)については，棲息深度をリアルタイムに計測する手法についての研究を主に行った．特に，研究用飼育で用いる集合水槽装置の構造上，カメラなどの機器を側面に設置することは難しいため，上方に設置したカメラから取得したシルエット画像の画素面積と特徴点間の距離を用いて深度を推定する手法を実装した．結果として，平常時は比較的高い精度で棲息深度を推定可能となったが，水面の波紋や反射に大きく影響を受けるため，色空間をRGBからHSVに変更するなどの改良が必要であると考えている．また，(B)については，予備段階として，姿勢推定および行動推定の実装を行った．動体検出によって得られたログデータを用いて，頭部・重心・腹部・尾部とそれらからなる角度の座標・角度，前回データとの差分による移動ベクトル，棲息深度を特徴量として用意し，姿勢推定では，深度に関する分類である水平・上昇・下降，行動の分類である直進・左折・右折の3x3パタンの姿勢分類を行った．また，時系列データに有意な機械学習 LSTM を用いて，不安行動，競争行動，死亡，その他 の4パタンの行動分類を行った．現時点での行動推定の分類精度は68～79%前後であり高いとは言えない．また，分類数が少ないことや推定に時間がかかるのも問題であり，さらなる改善が必要と思われる．

In order to solve the problem in 2004,(A) high-precision analysis of image analysis,(B) mechanical learning, state discrimination and prediction methods. (A)The depth of habitat is measured by the method of study. In particular, in the structure of the collecting tank device for research breeding, it is difficult to set up the bottom surface of the machine, and it is difficult to set up the top surface of the machine. The pixel area of the image and the distance between the characteristic points are estimated. The results show that the accuracy of habitat depth estimation in normal time is relatively high, and the reflection of water surface is greatly affected by the color space. (B) The motion of the body is determined by the coordinate of the head, center of gravity, abdomen, tail, angle, difference between the front and rear, movement, habitat depth, characteristic quantity, posture estimation, classification of depth, horizontal, upward, downward, classification of movement, vertical, left, right, and posture classification. Time series, intentional mechanical learning, LSTM use, restless action, competitive action, death, and other actions classified The classification accuracy of the current point's action estimation is 68~79%. The number of categories is less than the number of presumptions. The time is less than the number of problems. The improvement is necessary.