研究動物有多種原因，無論是為了醫學研究還是為了更深入地了解它們的行為。特別是斑馬魚，它們不僅可用性高，且與人類共有70%的基因，并且具有與我們相似的基因結構而被普遍研究。已知與人類疾病相關的基因中，有84%都在斑馬魚中有對應基因。 但是我們該如何追蹤或研究大型的小動物群落呢？idtracker.ai是一個旨在識別和追蹤群體中每個個體的位置，而不需考慮動物的種類或大小的工具。

基于idtracker.ai的機器視覺

idtracker.ai是由葡萄牙里斯本Champalimaud研究所集體行為實驗室的團隊創建的，它是一個旨在識別和追蹤集體中每個個體的位置，而不管動物的種類或大小的工具。在這種情況下，idtracker.ai可以追蹤多達100條幼年斑馬魚的大型群落，準確率高達99.9%。該系統還可以跟蹤單個個體。為此，該系統使用兩個深度網絡。一個用來檢測動物何時接觸或交叉，另一個用來識別每個個體。

系統裝配

該系統由一個直徑70厘米的定制水箱和一個水循環系統組成。水箱被放置在一個盒子里，盒子由白色啞光的亞克力墻和一個門組成，方便進出。

采用28毫米蔡司Distagon鏡頭的虹科EVT單色HT-20000相機位于水箱表面上方70厘米處。HT-20000是一款2000萬像素的相機，采用AMS的CMV20000 CMOS傳感器。其高速RJ45 10GBaseT接口為許多應用和100米長的電纜提供了經濟高效的解決方案。

紅外和RBG LED條帶和位于相機周圍的圓柱形可伸縮光漫射器提供均勻照明。使用運行64位Windows 10和NorPix StreamPix軟件的RAID 2TB臺式計算機錄制視頻。

個體的識別和檢測

idtracker.ai使用兩個深度卷積神經網絡（CNN）。一個用于檢測動物何時接觸或穿越（深度穿越探測器），另一個用于識別動物（識別網絡）。 系統通過在每秒25到50幀的范圍內采集圖像數據來啟動該進程。這使得系統能夠收集屬于同一個體的圖像，并將其組織成圖像碎片，以便準確追蹤和識別，而不會使系統過載，產生冗余的圖像數據。
從視頻中提取代表單個或多個接觸動物的圖像。每個圖像被標記為單個個體或交叉點。表示相同個體（或交叉）的視頻的后續幀中的圖像組分別被命名為個體和交叉的片段。idtracker.ai依靠個體的視覺特征來跟蹤個體。 單個片段集合的子集，其中所有個體在視頻的同一部分中可見，然后用于生成帶有相應標識的單個圖像的數據集。然后利用這個數據集訓練第二個CNN根據圖像的身份（識別網絡）對圖像進行分類。

從標記圖像的第一個數據集獲得的信息將允許準確地分配單個片段的整個集合，或者通過在整個視頻中合并安全地識別的單個片段來增加第一個數據集。最后，通過一系列的后處理例程來糾正微小的識別錯誤，并在最后一個計算核中推斷交叉片段的身份。

10 GigE HT-20000高速相機

HT-20000相機采用CMV20000 CMOS傳感器，成像區尺寸達35mm。在最大分辨率(5120×3840)下，每秒可以采集32幀圖像。其采用10GBase-T接口，小尺寸，通過CAT6A線纜連接，這款相機與GigE相機相似，但速度卻是GigE相機的10倍。使用CAT6A線纜，可以滿足1米-100米的連接長度。HT-20000提供小于1μs精度多相機同步技術，低CPU開銷，具有出色的性價比。

責任編輯：haq