基于深度学习的斑马鱼S型起动自动化追踪分析平台

李可迅

doi:10.12184/wspkjllysjWSP2634-792X09.20260702

PDF
导出
分享
收藏
专辑

7卷第2期

浏览量: 0 Downloads: 1

基于深度学习的斑马鱼S型起动自动化追踪分析平台
基于深度学习的斑马鱼S型起动自动化追踪分析平台
湖北师范大学电气工程与自动化学院，湖北黄石 435002
2026年7卷第2期页码：41-46
纸质出版：2026-02-28
DOI：10.12184/wspkjllysjWSP2634-792X09.20260702
Accepted：

Scan QR Code

李可迅.基于深度学习的斑马鱼S型起动自动化追踪分析平台[J].科技理论与实践,2026,07(02):41-46.

李可迅. (2026). 基于深度学习的斑马鱼S型起动自动化追踪分析平台. Theory and Practice of Science and Technology, 7(2), 41-46..
李可迅.基于深度学习的斑马鱼S型起动自动化追踪分析平台[J].科技理论与实践,2026,07(02):41-46. DOI： 10.12184/wspkjllysjWSP2634-792X09.20260702.

李可迅. (2026). 基于深度学习的斑马鱼S型起动自动化追踪分析平台. Theory and Practice of Science and Technology, 7(2), 41-46.. DOI： 10.12184/wspkjllysjWSP2634-792X09.20260702.

摘要

斑马鱼（Danio rerio）因其神经系统结构简单、运动行为典型且遗传工具成熟，已成为研究脊椎动物运动控制机制的重要模型。其中，S型起动作为鱼类逃逸与捕食的关键机动行为，具有重要的神经生物学研究价值。然而，传统的人工分析方法在数据采集、行为追踪与参数提取等方面存在效率低、主观性强、样本量受限等问题。为解决上述难题，本研究构建了一套基于深度学习的斑马鱼S型起动自动化追踪与分析平台。该系统集成高速视频采集、目标检测与追踪、运动学参数自动提取等功能，利用YOLO深度学习框架结合Kalman滤波器实现高精度追踪实验结果表明，该系统在追踪准确性、参数提取一致性与分析效率上均显著优于传统人工方法。本平台为斑马鱼运动行为研究提供了高效、标准化的分析工具，也为神经生物学、运动控制机制及仿生学应用研究提供了技术支撑。

Abstract

关键词

Keywords

references

Ravel G , Mercé T , Bergmann M , et al . Modeling zebrafish escape swim reveals maximum neuromuscular power output and efficient body movement adaptation to increased water viscosity [J ] . iScience , 2025 , 28 ( 3 ): 112056 .

Fan Y-L , Hsu C-H , Hsu F-R , et al . Exploring the use of deep learning models for accurate tracking of 3D zebrafish trajectories [J ] . Frontiers in Bioengineering and Biotechnology , Frontiers, 2024 , 12 .

Fazzari E , Romano D , Falchi F , et al . Animal behavior analysis methods using deep learning: A survey [J ] . Expert Systems with Applications , 2025 , 289 : 128330 .

Du Y , Liu B , Chen H , et al . Label-free microscopic cell images adaptive enhancement via weighted fusion of bright, dark, and weak structure features [J ] . Biomedical Signal Processing and Control , 2024 , 91 : 105973 .

郭成 , 胡小平 , 彭向前 , 黄泓 , 彭锷 . 改进MSRCR的透明物体逆光图像增强算法 [J ] . 传感技术学报 , 2024 (04vo 37 ): 645 – 651 .

Pedersen M , Haurum J B , Hein Bengtson S , et al . 3D-ZeF: A 3D Zebrafish Tracking Benchmark Dataset [C ] // 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) . 2020 : 2423 – 2433 .

Barreiros M de O , Dantas D de O , Silva L C de O , et al . Zebrafish tracking using YOLOv2 and Kalman filter [J ] . Scientific Reports , Nature Publishing Group, 2021 , 11 ( 1 ): 3219 .

Li X , Shang M , Hao J , et al . Accelerating fish detection and recognition by sharing CNNs with objectness learning [C ] // OCEANS 2016 - Shanghai . 2016 : 1 – 5 .

Liu W , Anguelov D , Erhan D , et al . SSD: Single Shot MultiBox Detector [C ] //Leibe B, Matas J, Sebe N, et al. Computer Vision – ECCV 2016 . Cham : Springer International Publishing , 2016 : 21 – 37 .

Tong Q , Wang J , Yang W , et al . Edge AI-enabled chicken health detection based on enhanced FCOS-Lite and knowledge distillation [J ] . Computers and Electronics in Agriculture , 2024 , 226 : 109432 .

陈明 , 甘冬梅 , 卢鹏 , 顾浩 , 栗征 . 基于改进YOLO v8的南美白对虾虾苗跟踪方法 [J ] . 农业机械学报 , 2025 (11vo 56 ): 599 – 611 .