- 1次围观
基于人工智能（AI）的图像分析能够高效估计鱼体长度，但设备、成像条件、操作人员和AI模型之间的差异限制了不同调查之间结果的可比性。我们提出了一个标准化框架：利用配对的参考测量值与AI推导长度估计特定长度组的误差矩阵，并将其用于标准化（校正）AI推导的体长频率分布。研究采用了Richardson–Lucy期望最大化算法，并通过交叉验证选择迭代次数。基于110个物种的经验体长频率数据进行的模拟表明，标准化降低了相对偏差和分布差异；相对偏差比和均方根误差比的中位数均低于1，且标准化效果受配对数据量的影响大于交叉验证折数的影响。在来自957尾日本竹荚鱼的实际数据中，标准化后的AI推导分布更接近人工观察者得到的直方图，但在160–230 mm范围内仍存在差异。所提出的框架无需重新训练底层AI模型，即可利用配对校准数据为提高图像推导体长频率数据的可比性提供一种实用方法。
使用分箱特异性误差矩阵将基于图像得到的鱼类体长频率分布标准化至参考测量值 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果
使用分箱特异性误差矩阵将基于图像得到的鱼类体长频率分布标准化至参考测量值
Yasutoki Shibata， Yuka Iwahara， Haruhiko Hino， Akiha Tsukada， Yuga Kisara， Tomoya Nishino， Hirotaka Endo
doi： https://doi.org/10.64898/2026.07.06.736664
Yasutoki Shibata 1 日持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议提供。
返回顶部 上一页 下一页
发布于 2026 年 7 月 6 日。
下载 PDF 补充材料 电子邮件
感谢您有兴趣帮助传播 bioRxiv 的内容。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或使用逗号分隔。
您将通过电子邮件发送以下内容 使用分箱特异性误差矩阵将基于图像得到的鱼类体长频率分布标准化至参考测量值
邮件主题 （您的姓名）已从 bioRxiv 转发一个页面给您
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。
分享
使用分箱特异性误差矩阵将基于图像得到的鱼类体长频率分布标准化至参考测量值
Yasutoki Shibata， Yuka Iwahara， Haruhiko Hino， Akiha Tsukada， Yuga Kisara， Tomoya Nishino， Hirotaka Endo
bioRxiv 2026.07.06.736664； doi： https://doi.org/10.64898/2026.07.06.736664
分享本文： 复制
引文工具
使用分箱特异性误差矩阵将基于图像得到的鱼类体长频率分布标准化至参考测量值
Yasutoki Shibata， Yuka Iwahara， Haruhiko Hino， Akiha Tsukada， Yuga Kisara， Tomoya Nishino， Hirotaka Endo
bioRxiv 2026.07.06.736664； doi： https://doi.org/10.64898/2026.07.06.736664
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.06.736664v1?rss=1
🏷️ 鱼体长度频率 图像分析 误差矩阵标准化 Richardson-Lucy算法 渔业调查