文献

J-GLOBAL ID：202102226843828548   整理番号：21A2569134

魚のAmmonia環境における深層学習に基づく行動軌跡の解析【JST・京大機械翻訳】

Analysis of Behavior Trajectory Based on Deep Learning in Ammonia Environment for Fish

著者 (6件)： Xu Wenkai (School of Mechanical and Electrical Engineering, Qingdao Agricultural University, Qingdao 266109, China) ,  Zhu Zhaohu (School of Science and Information, Qingdao Agricultural University, Qingdao 266109, China) ,  Ge Fengli (School of Management, Qingdao Agricultural University, Qingdao 266109, China) ,  Han Zhongzhi (School of Science and Information, Qingdao Agricultural University, Qingdao 266109, China) ,  Li Juan (School of Mechanical and Electrical Engineering, Qingdao Agricultural University, Qingdao 266109, China) ,  Li Juan (Key Laboratory of Security Control Technology for Complex System Driven By Big Data, Shandong University of Science and Technology, Qingdao 266590, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 16  ページ： 4425  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： Ammoniaは養殖プロセス中の魚の呼吸と排泄により生産でき,魚類の寿命に影響する。本論文では,異なるアンモニア濃度下の魚の挙動を研究し,魚類の異常な挙動に対する対応する判断と早期警戒を行うため,異なるアンモニア環境を水に塩化アンモニウムを加えることによってシミュレートした。直接人工観測または人工マーキングの既存の方法と異なり,本論文は,深い学習に基づく行動軌跡アプローチの認識と解析を提案した。最初に,魚の三次元空間軌跡を三次元再構成によって引き出す。次に,異なるアンモニア濃度における魚類の挙動軌跡に従って,魚類に及ぼすアンモニアの種々の濃度の影響を分析した。比較実験の結果は,魚類と活力の運動は著しく減少し,魚類は塩化アンモニウムを含む水でしばしば停滞することを示した。提案方法は動物の行動解析のための新しいアイデアを提供できる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： マーキング ,  *アンモニア ,  塩化アンモニウム ,  養殖 ,  比較試験
準シソーラス用語： 3D画像再構成 ,  三次元空間 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： アンモニア濃度 ,  行動解析 ,  深層学習 ,  高速R-CNN ,  魚類 ,  YOLO-V3

分類 (1件)： 分析機器  (CC02020S)

引用文献 (21件)：

• Lu, H.; Wang, N.; Li, Y.; Li, J.; Li, X.; Kim, H.; Serikawa, S.; Humar, I. CONet: A Cognitive Ocean Network. IEEE Wirel. Commun. 2019, 26, 90-96.
• Yu, K.; Li, Q.; Qiu, C.; Cao, M.; Zhu, J. Application of visual-label in detection of plant leaves’ wilt. Comput. Mod. 2015, 243, 65.
• Marti-Puig, P.; Serra-Serra, M.; Campos-Candela, A.; Reig-Bolano, R.; Manjabacas, A.; Palmer, M. Quantitatively scoring behavior from video-recorded, long-lasting fish trajectories. Environ. Model. Softw. 2018, 106, 68-76.
• Delcourt, J.; Denoel, M.; Ylieff, M.; Poncin, P. Video multitracking of fish behaviour: A synthesis and future perspectives. Fish Fish. 2013, 14, 186-204.
• Gu, Z.; Wang, R.; Dai, J.; Zheng, H.; Zheng, B. Automatic searching of fish from underwater images via shape matching. In Proceedings of the IEEE OCEANS Conference, Shanghai, China, 10-13 April 2016; pp. 1-4.

タイトルに関連する用語 (6件)： 魚 ,  環境 ,  深層学習 ,  行動 ,  軌跡 ,  解析