鸢乌贼角质颚形态识别与重建

鸢乌贼是一种资源丰富的大洋性头足类动物,了解其种群结构有利于渔业资源的评估和管理。角质颚作为硬组织是鸢乌贼种群判别的良好材料,据此利用中东太平洋、西北印度洋和东印度洋采集的161尾鸢乌贼样本,对上、下角质颚的三视图形态进行傅里叶分析和判别。首先将上、下角质颚的三视图外部轮廓通过软件转化为20组傅里叶谐值,然后对各视图进行轮廓重构,最后进行主成分分析及逐步判别分析。主成分分析结果表明,上颚侧视、腹视、口视,下颚侧视、腹视、口视图形态轮廓傅里叶谐值前2个主成分分别解释了总变异的67.4%、70.8%、65.8%、80.7%、63.0%、57.8%;判别分析结果显示,3海区上颚侧视、腹视、口视,下颚侧视、腹视、口视图的交互检验判别分析成功率分别为87.0%、82.6%、83.2%、85.7%、88.8%、72.0%;傅里叶分析重建的角质颚轮廓图可以反映3海区鸢乌贼种群间的差异。因此研究认为,基于傅里叶变换对上、下角质颚三视图的轮廓形态分析可以识别鸢乌贼地理种群,并且利用三视图识别可以提升种群判别正确率。

基于动量自适应BP神经网络的鸢乌贼模式识别

近年来,计算机模式识别技术因其识别结果准确、快速,而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示,训练成型的神经网络收敛误差仅为4.416×10^(-2),加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%,总成功率为93.24%,说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法,如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%,77.03%和87.84%。本研究的识别效果稳定,对于大样本训练集的识别率也高达92.77%,为头足类的种群判别提供了新的方法和思路。

角质颚色素沉积可视化及其在头足类判别分类中的应用

角质颚是研究头足类各种生物信息的重要组织,为实现头足类角质颚色素沉积的精确化测量,探究色素沉积在头足类角质颚判别分类中的作用,研究选取茎柔鱼(Dosidicus gigas)、柔鱼(Ommastrephes bartrami)以及翼柄柔鱼(Ommastrephes pteropus)等3种头足类生物的角质颚下颚为研究对象,以其侧视图像为基础,对其色素沉积按照等级Ⅰ(黑色)、等级Ⅱ(灰色)、等级Ⅲ(浅灰色)、等级Ⅳ(透明)等4个等级进行可视化,分别计算出茎柔鱼、柔鱼以及翼柄柔鱼角质颚4个等级的色素沉积面积与头盖-翼部区域以及脊突-侧壁区域面积的比例关系,并且采用逐步判别分析法对3种头足类角质颚之间的色素沉积差异进行分析,结果显示等级Ⅰ、Ⅳ在脊突-侧壁区域占比判定效果较好,判别成功率为74.4%。研究认为,3种头足类的角质颚色素沉积情况存在一定差异,而这些差异有可能是由于3种头足类不同的生活特性和摄食习惯导致。研究实现了角质颚色素沉积的数值化和色素沉积等级的精确化划分,并按照划分的结果,将色素沉积情况作为全新的定量测量方法,为头足类生物角质颚色素沉积研究提供了新的思路。