what-tracking-algorithms-are-used-in-a-zebrafish-trajectory-tracking-system, what-tracking-algorithms-are-used-in-a-zebrafish-trajectory-tracking-system, /blog
Запит
what-tracking-algorithms-are-used-in-a-zebrafish-trajectory-tracking-system, what-tracking-algorithms-are-used-in-a-zebrafish-trajectory-tracking-system, 
Запит

Які алгоритми відстеження використовуються в системі відстеження траєкторії зебrafish?

2026/09/26

Які алгоритми відстеження використовуються в системі відстеження траєкторії зебrafish?

Чому вибір алгоритму визначає кожен набір даних траєкторій

Система відстеження траєкторій зебрафіш настільки добра, наскільки добрі алгоритми, що працюють під камерою. Апаратне забезпечення захоплює пікселі. Програмне забезпечення вирішує, що ці пікселі означають. Два наукових колективи можуть використовувати одну й ту саму камеру, одну й ту саму арену й однакове освітлення, але отримати дуже різні набори даних, оскільки один конвеєр добре обробляє перекриття, а інший — ні. Алгоритми відстеження знаходяться в центрі цієї різниці.

Завдання розбивається на три частини. Виявлення визначає рибу на кожному кадрі. Асоціація зв’язує виявлення між кадрами, щоб риба зберігала ту саму ідентичність. Згладжування оцінює справжню траєкторію, коли виявлення є шумними або відсутніми. Різні сімейства алгоритмів обробляють ці частини за різних припущень, а ці припущення визначають, які дані можна підтримати.

Віднімання фону та порогове перетворення залишаються першою лінією оборони

Більшість конвеєрів починаються з методу, що відокремлює рибу від фону. Віднімання фону створює модель порожньої арени й позначає пікселі, що відрізняються від цієї моделі. Порогове перетворення потім перетворює карту різниць у бінарну маску. Морфологічні операції усувають малі отвори та випадкові пікселі.

Цей підхід швидкий і добре працює, коли фон статичний, а контраст достатній. Темна риба на яскравому тлі — це просто. Проблеми виникають, коли змінюється освітлення, рухаються відблиски або в кадр потрапляють бульбашки й сміття. Тінь може виглядати як риба. Риба поблизу стінки може злитися з її краєм. Віднімання фона також неспроможне, коли риби накладаються одна на одну, бо маска перетворюється на один плямистий об’єкт замість двох.

Відстеження центроїдів і співставлення за найближчим сусідом працюють у простих акваріумах

Після виявлення риб найпростішим способом зв’язування кадрів є відстеження центроїдів. Обчислюється центроїд кожного плямистого об’єкта, і припускається, що найближчий центроїд у наступному кадрі належить тій самій рибі. Співставлення за найближчим сусідом легко реалізувати й добре працює для однієї риби або кількох риб, які тримаються на значній відстані одна від одної.

Режим збою — це помилкова заміна ідентифікаторів. Коли дві рибини перетинають траєкторії, найближчий центроїд може належати неправильній рибині. Система відстеження міняє їх ідентифікатори, і дані траєкторій стають хаотичними. Це не рідкісний крайовий випадок. Зебрафіші соціальні й часто плавають дуже близько одна до одної. Підхід, який ігнорує сталість ідентифікаторів, породжує візуально привабливі траєкторії, але з біологічною помилкою.

Фільтри Кальмана вводять у процес передбачення руху

Фільтр Кальмана додає модель руху. Замість припущення, що рибина залишається нерухомою між кадрами, фільтр передбачає її нове положення на основі попередньої швидкості. Це передбачення порівнюється з новим виявленням, і оцінка стану оновлюється. Це згладжує шумні вимірювання й допомагає у випадках, коли виявлення відсутнє протягом одного-двох кадрів.

Стандартний фільтр Калмана припускає лінійний рух і гаусовий шум. Зебrafish не завжди співпрацює. Він може різко повертати, ривком рухатися або зависати. Розширені фільтри Калмана та фільтри частинок послаблюють деякі з цих припущень, але додають складності. Практична вигода залишається реальною. Навіть проста модель постійної швидкості зменшує дрожання й покращує неперервність траєкторій у відкритій воді.

Угорське призначення та відстеження кількох об’єктів забезпечують чітку ідентифікацію

Угорський алгоритм розв’язує задачу призначення. За заданою матрицею вартості, що оцінює ймовірність відповідності кожної нової детекції кожній існуючій траєкторії, алгоритм знаходить взаємно однозначне співставлення, яке мінімізує загальну вартість. Вартість може поєднувати відстань, зовнішній вигляд та прогноз руху. Це основа методів відстеження кількох об’єктів, таких як SORT і DeepSORT.

  1. Прогнозувати позицію кожної траєкторії за допомогою моделі руху.

  2. Обчислити матрицю вартості між траєкторіями та новими детекціями.

  3. Розв’язати задачу призначення за допомогою угорського алгоритму.

  4. Оновити відповідні треки та обробляти невідповідні виявлення як нові або втрачені.

DeepSORT додає описник зовнішнього вигляду, зазвичай невелику нейромережу, щоб риб можна було повторно ідентифікувати після закриття. Це корисно, коли дві риби перетинаються, а потім розходяться. Вартість — більше обчислень і більше налаштувань. Крок призначення є таким самим точним, як і матриця вартостей, а погано зважена матриця все ще може призводити до замін ідентифікаторів.

Сім’я алгоритмів Міцності Слабкість Найкращий вибір
Віднімання фону Швидко, просто Чутливий до світла й забруднень Статична арена, високий контраст
Центроїд із найближчим сусідом Легко реалізувати Заміни ідентифікаторів Одинична риба або низька щільність
Фільтр Калмана Згладжує шум і прогнозує Припущення про лінійний рух Відкрите поле, помірна швидкість
Угорське призначення Оптимальне взаємно однозначне співставлення Налаштування матриці вартості Відстеження кількох риб
Трекер на основі глибокого навчання Обробляє приховування та зміни зовнішності Потребує даних і GPU Складні сцени, висока мінливість

Трекери на основі глибокого навчання підвищують точність і змінюють апаратні вимоги

Глибоке навчання масштабно увійшло в трекінг зебrafish. Детектори об’єктів, такі як YOLO та Faster R-CNN, можуть виявляти риб без віднімання фону. Інструменти оцінки пози, наприклад DeepLabCut, дозволяють відстежувати частини тіла, а не лише центроїди. Мережі повторної ідентифікації можуть порівнювати зовнішність між кадрами. Для трекінгу також застосовують трансформери та сіамські мережі.

Переваги є реальними в переповнених або змінних сценах. Але й витрати також реальні. Навчальні дані потрібно розмічати, часто кадр за кадром. Для високого темпу кадрів висновування вимагає GPU. Моделі, навчені на освітленні та штамі риб одного лабораторного закладу, можуть не узагальнюватися на інші. Трекер на основі глибокого навчання — це не прямий замінник класичного конвеєра. Він змінює бюджет на апаратне забезпечення, обсяг роботи з анотацією та стратегію валідації.

Приклад із практики, де невідповідність алгоритму призвела до помилкової заміни ідентифікаторів

У науково-дослідному центрі поведінки при університеті в південному Китаї працювала багатобакова система відстеження. Початкова обробка даних ґрунтувалася на відніманні фону та зіставленні за принципом найближчого сусіда. У випадку одного рибки траєкторії виглядали чисто. Під час експериментів із групою риб у даних спостерігалися фізично неможливі стрибки: рибки ніби телепортувалися через арену й потім поверталися назад.

Проблема полягала в помилковому зіставленні особин під час перехрещень. Команда додала фільтр Кальмана для прогнозування й замінила зіставлення за принципом найближчого сусіда на угорське зіставлення. До матриці вартостей також додали просту ознаку зовнішнього вигляду, засновану на формі хвоста. Телепортації припинилися. Проте під час щільного школінгу траєкторії все ще потребували ручної перевірки, але набір даних став придатним до використання. Головний висновок полягав не в тому, що один алгоритм завжди кращий. Він полягав у тому, що алгоритм має відповідати соціальній поведінці тварин.

Підбір алгоритмів під біологічне запитання та конфігурацію системи

Жодна єдина сім’я алгоритмів не є універсальною. Простий трекер на основі центроїда цілком підходить для відстеження одного личинка в планшеті з 24 лунками. Глибокий навчальний трекер може бути надмірним для того самого аналізу, але є обов’язковим для переповненої акваріумної ємності з дорослими рибами. Правильний вибір залежить від щільності риб, складності арени, стабільності освітлення та біологічного запитання.

Це також залежить від установки. Стабільне кріплення камери, рівномірне освітлення та чистий фон значно покращують роботу класичних алгоритмів. Нестабільне кріплення або мерехтливе освітлення змушують програмне забезпечення компенсувати проблеми, які слід було вирішити механічно. Точність відстеження — це властивість усієї системи, а не лише функція програмного забезпечення.

Hunter Lab (Hunter) виробляє обладнання для лабораторій, що працюють із даними про зебrafish, з урахуванням механічної та оптичної стабільності, від якої залежать алгоритми відстеження. Виробництво та контроль якості забезпечують узгодженість, необхідну для поведінкових досліджень із використанням кількох установок. Для лабораторій, які хочуть, щоб дані відстеження відображали біологічні процеси, а не артефакти обробки, така стабільність є однією з основних складових.

Популярні новини

Hunter Laboratory Technology (Hangzhou) Co., Ltd. завершила першу офіційну презентацію в Південно-Східній Азії на InaLab 2026 у Джакарті; лабораторне обладнання для даних зебrafish китайського виробництва отримало міжнародне визнання. Огляд InaLab 2026 — найвпливовіша виставка лабораторного обладнання

Hunter Laboratory Technology (Hangzhou) Co., Ltd. завершила першу офіційну презентацію в Південно-Східній Азії на InaLab 2026 у Джакарті; лабораторне обладнання для даних зебrafish китайського виробництва отримало міжнародне визнання. Огляд InaLab 2026 — найвпливовіша виставка лабораторного обладнання

2026/08/07

З 28 до 30 липня 2026 року відбулася 4-та Індонезійська міжнародна виставка лабораторного обладнання, аналітичних приладів та послуг (InaLab 2026) у Конгресно-виставковому центрі Jakarta International Expo — знакова професійна подія, що охоплює...

Співавтори Хантера, Китайський груповий стандарт для будівництва лабораторій для утримання рибок даніо реріо

Співавтори Хантера, Китайський груповий стандарт для будівництва лабораторій для утримання рибок даніо реріо

2026/07/05

Лабораторія Хантера є співавтором T/CALAS 126-2024, китайського стандарту для будівництва лабораторій для утримання даніо реріо, що охоплює планування, системи та операції.

Екранінг безпеки на зебрафішах підтримує розробку ін’єкційного розчину адамгаммадексу натрію, схваленого NMPA

Екранінг безпеки на зебрафішах підтримує розробку ін’єкційного розчину адамгаммадексу натрію, схваленого NMPA

2026/07/01

Екранінг безпеки на зебрафішах у лабораторії Hunter виявив відмінності у безпеці під час доклінічної розробки ін’єкційного розчину адамгаммадексу натрію, схваленого NMPA.

Хантер представляє моделі рідкісних захворювань даніо реріо та платформу для скринінгу препаратів зі штучним інтелектом на конференції Hope for Rare Science Conference

Хантер представляє моделі рідкісних захворювань даніо реріо та платформу для скринінгу препаратів зі штучним інтелектом на конференції Hope for Rare Science Conference

2026/06/27

Лабораторія Hunter представила свою модель рідкісних захворювань даніо реріо та платформу для скринінгу препаратів на основі штучного інтелекту на конференції Hope for Rare Science Conference, Shanghai 2026.

Проект лабораторного обладнання для мисливців з реріо визнано на міжнародному рівні

Проект лабораторного обладнання для мисливців з реріо визнано на міжнародному рівні

2025/08/11

Лабораторне обладнання для дослідження даніо від Hunter Laboratory було визнано на міжнародному рівні експертною групою з 7 членів у Ханчжоу у серпні 2025 року.

Пов’язані аналітичні матеріали

Дізнайтеся більше про ресурси, що поєднують останні досягнення в обладнанні для даних рибок і кращі лабораторні практики, щоб розширити межі вашого дослідження.

Рішення для візуалізації зебрафіш

Рішення для візуалізації зебрафіш

Дізнайтеся про інноваційні інструменти, які підвищують ефективність і точність експериментів із зебrafish і підтримують різноманітні застосування в медичних та косметичних дослідженнях.

Детальніше
Управління даними в лабораторіях

Управління даними в лабораторіях

Дізнайтеся, як цифрові платформи перетворюють управління експериментальними даними та забезпечують їх повну відстежуваність, що гарантує більшу надійність для академічних установ і компаній у сфері охорони здоров’я.

Дізнатися більше
Застосування в тестуванні ліків

Застосування в тестуванні ліків

Перегляньте, як обладнання для зебrafish використовується в процесах скринінгу та оцінки фармацевтичних препаратів, сприяючи ефективним доклінічним дослідженням у лабораторіях.

Переглянути деталі

Технічна підтримка та послуги

Комплексні рішення для лабораторного та промислового обладнання, у тому числі швидка установка, калібрування, віддалене усунення несправностей та технічне обслуговування на місці. Наші спеціалісти забезпечують безперебійну роботу для науково-дослідних лабораторій і комерційних клієнтів.

  • Встановлення та навчання
  • Послуги калібрування
  • підтримка на базі віддаленого доступу 24/7
  • Обслуговування на місці

Отримати безкоштовну пропозицію

Наш представник зв’яжеться з вами найближчим часом.
Електронна пошта
Мобільний/WhatsApp
Ім’я
Назва компанії
Повідомлення
0/1000