简体 繁体
您现在的位置: 首页 > 科技动态 > 国际发展动态 > 正文 国际发展动态
人工智能和计算机视觉:水产养殖遗传学的未来
作者:深蓝牧渔    来源:深蓝牧渔    发布日期:2026-01-28 14:24    字体大小:【大】【中】【小】

通过最大限度地减少人工操作和实现数据采集自动化,养殖场在经济效益和伦理方面都得到了提升,并将动物福利放在首位。然而,薛强调,人工智能不应取代生物学家,而应将基因组数据与自动化视觉技术相结合,为每只动物创建动态的表型特征。

将人工智能应用于水产养殖中的选择性育种

历史上,鱼类养殖者面临着哲学和技术上的双重困境。正如古代道家关于人类是否能真正体会“鱼之乐”的争论一样,现代科学也一直在努力客观地测量鱼鳞下的变化,同时避免采用侵入性方法或牺牲动物。在 传统水产养殖 中,测定鱼片的脂肪含量或鱼的抗逆性通常需要剔除候选鱼的同胞——这是一个既费力又昂贵的过程。今天,得益于薛元旭(Yuuko Xue)在瓦赫宁根大学及研究中心(WUR)的博士研究,我们正在见证一场范式转变:“设想表型分析”。这篇论文提出,人工智能(AI)不仅仅是一种计算工具,而是一双全新的眼睛,能够通过标准相机镜头“感知”鱼类的遗传和健康状况。

关键见解

表型分析革命:与传统方法相比,集成卷积神经网络 (CNN) 可以以更高的精度对复杂性状(如脂肪含量和产量)进行非侵入性测量。

预测性水产养殖:一种新的分析框架仅利用视觉图像和体重,就将金头鲷的脂肪百分比预测准确率从 0.4 提高到 0.7。

可解释人工智能 (xAI):研究人员利用 GradCAM 等工具确定,较大的颅骨结构和较宽的背部肌肉与鳟鱼游泳能力的降低存在基因相关性。

识别限制:尽管深度学习取得了进步,但由于表型不稳定,基于图像的鲑鱼个体识别技术仍处于起步阶段,无法在野外条件下取代 PIT 标签。

分析框架:从像素到屠宰特征

这种转变的本质在于能够将非结构化数据(图像)转化为育种决策。该研究引入了一个利用卷积神经网络(CNN)的结构框架,用于预测金头鲷( Sparus aurata )的屠宰性状。数字“鉴赏家”的比喻想象一下,一位19世纪的羊毛鉴赏家,正如达尔文所描述的那样,只需一眼就能判断羊毛的质量。薛的AI就像一位数字“鉴赏家”,它的功能不仅限于测量长度和宽度;与以往依赖人工标注(生物标志点)的模型不同,这款AI能够分析鱼的整个图像,而无需任何预设假设。

金头鲷的结果: 多输入模型(结合图像和体重)将脂肪百分比预测准确率从平庸的 0.4 提高到可靠的 0.7。

关键区域的识别: 利用评分-CAM技术发现,鳃盖边缘和胸鳍是关键指标,与鱼片脂肪含量呈负相关。

可解释人工智能(xAI):游泳鳟鱼之谜

论文中最引人入胜的章节之一 探讨了虹鳟( Oncorhynchus mykiss )的临界游泳速度。游泳能力是健康和生存的重要指标;然而,测量游泳能力需要在游泳隧道中进行耗竭试验,这极其费力。薛教授利用三维图像和激活图谱(GradCAM)打开了人工智能的“黑匣子”。该系统通过关注特定区域“学习”预测游泳能力,这些区域随后得到了生理学家的验证。反直觉的发现与预期相反,背部肌肉(上背部区域)更大更宽的鱼反而游泳能力更差。从遗传学角度来看,肌肉量的增加似乎会产生阻力,抵消了力量增强带来的益处。这一发现对育种计划至关重要:仅仅为了鱼片大小而选择鱼可能会无意中损害它们的心血管健康和生存能力。

水产养殖的圣杯:告别 PIT 标签?

个体追踪对于长期监测生长至关重要。目前,这需要将微芯片(PIT标签)植入鱼体内——这是一个会造成压力并可能导致死亡的过程。人工智能能否像人脸识别系统一样,通过鱼身上的“雀斑”或斑点来识别鲑鱼?对大西洋鲑( Salmo salar )的研究给我们上了一堂关于科学谦逊的课:在尝试间隔五个月重新识别1500条鱼时,准确率急剧下降。现实世界中计算机视觉的障碍:

表型不稳定性: 鱼类在成熟过程中会改变形状、颜色和斑点图案(幼鱼化)。

环境变化: 商业农场中光照的不一致性会干扰在受控实验室环境中训练的算法。

数据泄露: 薛警告说,之前声称识别准确率达到 98% 的研究可能存在偏差,因为这些研究使用了仅相隔几分钟拍摄的图像,这无法反映实际的农场情况。

客观定义“完美形状”

论文第六章探讨了体型——这一传统上带有主观性的性状。育种者通常根据美观程度对鱼进行1到3分的评分,这种方法容易出现人为误差且遗传传递性低。薛教授通过轮廓分析和 傅里叶描述符 ,开发了两个定量性状: 与最佳体型的距离(DtB) 和 与最差体型的距离(DtW) 。

更高的遗传力: 这些特征的遗传力为 0.33,显著高于专家视觉评分。

经济价值: 该技术可自动筛选符合市场标准的鱼类,无需费力的人工检查。

全球影响及行业未来。亨德里克斯基因公司等行业领军企业对这些技术的应用表明,我们正站在“精准水产养殖 ”的门槛上。通过最大限度地减少人工操作和实现数据采集自动化,养殖场在经济效益和伦理方面都得到了提升,并将动物福利放在首位。然而,薛强调,人工智能不应取代生物学家,而应将基因组数据与自动化视觉技术相结合,为每只动物创建动态的表型特征。

打印本页

主办单位:中国水产科学研究院渔业机械仪器研究所(渔机所)

沪ICP备09044632号-1    沪公网安备 31011002002435号

网站保留所有权,未经许可不得复制,镜像