据美国政府计算机网站(GCN)报道,为了监测包括北太平洋和东白令海在内的约三百万平方英里海洋中的鱼类资源,美国阿拉斯加州渔业科学中心开始使用面部识别技术(更准确地说是“鱼脸识别”),根据鱼的面部特征来识别鱼类,从而获取更准确的海洋生物数量。该机构几年前就开始尝试这种技术,现在正开发第二代基于摄像机的捕鱼拖网(CAM-Trawl)技术,并与嵌入式解决方案公司ADL合作以改善硬件,包括小尺寸嵌入式视觉盒(即图像采集计算机,其四核英特尔酷睿i7处理器能够实现图像数据的实时处理)、防水外壳以及连接器等。 ADL工程
在科技发展飞速的今天,甚至连鱼也无法摆脱面部识别相机。数以百万计的大西洋鲑鱼可以将面孔储存在数字数据库中,以追踪他们的健康状况,并挑选哪些对海洋环境构成威胁。
淋巴细胞是适应性反应的责任者,就像经典描述的那样,但有证据表明,哺乳动物淋巴细胞的亚群可能表现为先天样细胞,快速地参与非自我活动,没有抗原呈递。哺乳动物体内的类淋巴细胞主要是γδt细胞和b1-b细胞,主要在粘膜组织中发挥作用。可能与人类的病理有关,其功能和组织的起源尚不完全清楚。由于鱼类和哺乳动物的免疫系统在形态和免疫生物学上的相似性,以及具有自由生活的幼虫阶段的独特性,可以精确地监测和改造它们的发育,因此提出了一种研究人类免疫的实验模型-硬骨鱼。然而,鱼类淋巴细胞与哺乳动物先天样淋巴细胞之间的同源性是比较免疫学中考虑较少的一个问题。越来越多的实验证据表明,鱼类淋巴细胞在发育、形态和功能特征上可能与哺乳动物的先天样淋巴细胞有共同之处。尽管有这些相似之处,但关于传统鱼类淋巴细胞和哺乳动物先天样淋巴细胞之间可能存在联系的信息仍然缺乏。本文旨在总结和描述鱼类淋巴细胞与哺乳动物先天样淋巴细胞之间的相似性,支持哺乳动物γδt细胞和b1-b细胞可能与鱼类淋巴细胞进化相关的假说。
内容提要:近日,日本的一个 AI 分拣鱼类项目进入实验阶段。这将有望改善日本渔业劳动力老龄化及短缺的社会现状。
长江作为我国“淡水鱼类的摇篮”,是世界上生物多样性最为丰富的河流之一。近年来的高强度开发、粗放式利用让长江不堪重负,流域生态功能退化,珍稀特有鱼类大幅衰减,位于长江生物链顶层的珍稀物种岌岌可危,经济鱼类资源濒临枯竭。为了保护长江渔业资源,农业农村部发布了《长江十年禁渔计划》,期间禁止天然渔业资源的生产性捕捞。
Martin F.Flajnik撰写的关于适应性免疫学起源发展和功能《A cold-blooded view of adaptive immunity》一文,于2018年3月19日发表在nature reviews immunology (Nature系列综述, 2018 IF: 41.982)。
本文收集整理了多个小目标检测、图像识别、图像分类等方向的开源数据集,本次还有猫咪、斯坦福狗狗数据集以及3D MNIST数字识别等~
一个包含 37 个类别的宠物数据集,每个类别大约有 200 张图像。这些图像在比例、姿势和照明方面有很大的变化。所有图像都有相关的品种、头部 ROI 和像素级三元图分割的地面实况注释。
人工智能不仅用在了我们日常所遇到的商品推荐、美颜换脸App里,还出现在了一些你可能意想不到的地方,比如说——
内容一览:分析并识别鱼类行为,对于养殖业具有重要意义,福林德斯大学博士生 Thomas Clarke 研发了一个机器学习模型,可以借助随机森林算法识别鱼类动作。
更新 最近很多朋友都想看一看论文,我平时不怎么上csdn,可能无法及时发给大家,故上传了论文资源。 祝大家美赛顺利! https://download.csdn.net/download/hroukie/14727940
面向对象是对函数进行分类和封装,其主要目的是提高程序的重复实用性,让开发更方便快捷。
2021年9月30日,华大海洋联合水科院东海所在国际知名学术刊物Frontiers in Genetics上发表棘头梅童鱼染色体级别基因组图谱。
对于一些生活在海洋里的物种,全球海洋温度影响它们栖息地的质量。当对于它们的后续繁衍来说温度改变太大的时候,这些物种就会迁徙去寻找新的栖息地去更好地安放当前和未来的生殖繁衍。一个例子就是美国缅因州的龙虾的种群,它缓慢地往加拿大北部迁徙,那六更低的温度提供一个合适的栖息地环境。这种地理上的人口转移可能会对那些依赖海洋生物稳定性的公司的生计造成严重的破坏。
“ Tidal研究人员打造出一套海底摄影系统及机器视觉工具,可以长时间追踪和监控鱼群,同时收集海水温度与含氧量等资料,能协助养殖渔业改良饲养技术,以降低对于海洋环境的冲击。”
【新智元导读】数据科学社区Kaggle的最新调查显示,机器学习和数据科学研究者在被问到工作中面临的最大障碍时,最常见的回答是“脏数据”,其次是缺乏该领域的人才。此外,他们最常用的方法是“逻辑回归”,而神经网络只排在第4位。 想象一下机器学习研究者的生活,你可能会觉得很令人向往。你会给自动驾驶汽车编程,在科技界的巨头公司工作,而你编写的软件甚至可能导致人类的灭亡。太酷了!但是,正如最近一项针对数据科学家和机器学习研究者的调查所显示的,这些期待需要调整,因为这些职业面临的最大的挑战是一些相当平常的事情:清洗脏数
为了实现AI-Complete(AI-Hard,AI完全)问题,我们需要一些测量方法,最著名的测量方法当属图灵测试。一个可以解决AI完全问题的机器应该在必要辅助的设备帮助下,可以完成人类能够完全的所有任务,亦即它像人类一样的智能(Intelligent),我们便称其为强人工智能(True AI或Strong AI)。这些人类可以完成的任务,我们称之为人工智能任务,简称AI任务,AI任务有不同的难易程度,所谓难易是基于所需要的智力资源的多少,一般呈现到科学技术领域,表现出来的是越容易模拟实现的AI任务越简单,越难于模拟实现的任务越困难,目前还有很多AI任务,除人类以外没有任何对象可以完成。
伴随着人类开发海洋、利用海洋、保护海洋进程的加快,作为人类探索未知深海、争夺国际海底资源的重要手段,水下机器人这一高新技术受到世界发达沿海国家的普遍重视,并得以快速发展日臻完善。在中国,水下机器人研究
1)实验中与使用整个鱼轮廓模型相比,排除鱼鳍和尾部的模型是否更准确?换句话说鱼的整个轮廓模型是否应该包含鱼鳍和尾部?(提取整个鱼表面区域要比排除鱼鳍和尾部要容易的多)。
场景描述:谷歌母公司 Alphabet 的 X 部门,最新宣布了其 Moonshot 项目 Tidal。该项目利用计算机视觉等人工智能技术,监测海底环境、观察和追踪水中的鱼类,帮助渔民以更环保、可持续发展的方式开展水产养殖业务。
【新智元导读】Kaggle 海洋鱼类识别和分类竞赛冠军团队技术分享:如何设计鲁棒的优化算法?如何分析数据并做数据增强?技术细节包括使用不同船只的图像进行验证,以及如何处理夜视图像。 今年,Kaggle 社区举办了大自然渔业监测大赛(Nature Conservancy Fisheries Monitoring competition),征召参赛者开发能够自动对渔船捕捞的海洋生物种类进行检测和分类的算法。 非法捕鱼等行为对海洋生态系统构成了威胁。这些算法将有助于增强大自然保护协会分析摄像机监控系统数据的能力。
据外媒New Atlas报道,随着BBC 令人难以置信的野生动物纪录片的不断演示,伪装成动物的机器人已经为我们提供了对自然世界的前所未有的见解。现在,麻省理工学院(MIT)计算机科学和人工智能实验室(CSAIL)的科学家们开发出了一种机器鱼,它可以像真正的鱼类那样游泳。 尽管水下机器人并不是新产品,但CSAIL团队表示,这些机器人通常被束缚在船只上。被称为SoFi的柔性机器鱼采取了一种不同的方法。其外部由硅橡胶和柔性塑料制成,里面是一个普通的锂聚合物智能电池,为电机提供动力,该电机将水泵入两个像
遥远的南太平洋,斐济的彩虹礁,几乎通体雪白的鱼摇摆着尾鳍,自在地游走。不论直线还是转弯,上浮还是下沉,都优雅流畅。它看上去和珊瑚礁的其他居民并没有什么不同,也没有引起谁的注意。
人工智能目前在交付机器人,自动驾驶汽车以及海洋生态追踪系统领域飞速发展。Global Fishing Watch是由谷歌,Skytruth和Oceana共同创建的一个平台,负责监测全球的捕鱼活动,宣布增加两个新的数据层以提高过度捕捞的“透明度”和“警觉度”。
大数据文摘授权转载自学术头条 为什么鱼要低着头游泳? 是因为头太大,重心过于靠前? 还是因为对颜值不自信,只想低调一点? 其实都不是。 一项新研究证实,它们只是不想被周围事物打扰,只想“活得更稳”一点...... 这其实与人走路时可能会低头看人行道是同一个道理。 相关研究论文以“Optic flow in the natural habitats of zebrafish supports spatial biases in visual self-motion estimation”为题,已发表
Antarctic Marine Living Resources (AMLR) program
斑马鱼和青鳉鱼都是模式生物界冉冉升起的新星。尤其是斑马鱼,这种水生生物的外表和哺乳动物相比,简直风马牛不相及,为什么越来越多的用于疾病领域呢?
https://link.springer.com/article/10.1186/s40168-018-0571-8#Sec2
物联网(IoT)在许多领域发挥着越来越大的作用,包括养鱼业。在这篇文章中,将解释为什么水产养殖必须继续接受技术。尤其是通过互联网技术的发展,物联网可以进一步推动物联网行业的增长。简单地说,物联网是指装有智能传感器的设备,这些传感器可以通过封闭网络将数据传输到其他连接的设备。然后,可以将这些数据传达给需要这些信息以进行监控的人员或系统。
智慧农业园作为新型农业经营模式,正在以其高效、环保、可持续的特点受到广泛关注。智慧鱼塘作为智慧农业中一项关键技术,结合物联网、人工智能、云计算等技术,实现对新型养殖模式的实时监控、优化与管理。
机器之心专栏 机器之心编辑部 弗吉尼亚大学教授 Dan Quinn 和博士后钟强结合生物力学、流体力学和机器人学揭秘了如何利用动态弹性调节实现高性能游动,研究已登上最新一期《Science Robotics》。 机器金枪鱼尾部内置的弹性调节执行器能根据当前游动速度实时调节尾部弹性。来源:Qiang Zhong(钟强),Daniel Quinn /University of Virginia. 传统的螺旋桨驱动水下潜航器系统能在特定的设计巡航速度下保持较高的推进效率,但通常无法同时在高速和低速下保持高推进效
决策树模型本质是一颗由多个判断节点组成的树。在树的每个节点做参数判断,进而在树的最末枝(叶结点)能够对所关心变量的取值作出最佳判断。通常,一棵决策树包含一个根结点,若干内部节点和若干叶结点,叶结点对应决策分类结果。分支做判断,叶子下结论。
摘要:尽管有普遍的看法,有机农业的环境影响,特别是在农药使用方面,还没有得到很好的证实。造成僵局的原因是普遍缺乏可比较的有机和传统农业领域的数据。我们使用田间作物和农药使用数据以及州认证数据确定了 2013 年至 2019 年约 9,000 个有机田的位置,加利福尼亚州克恩县是美国最有价值的作物生产县之一。我们根据全球荟萃分析,解析有机相对于传统农药如何影响喷洒农药的决定,以及如果喷洒,使用原始和产量差距调整的农药施用率喷洒多少。我们表明,在不同的农药使用指标(包括施用的总体重量和粗略的生态毒性指标)中,有机农田喷洒任何农药的预期概率比传统农田降低了约 30 个百分点。尽管观察到大量的作物特异性异质性,我们报告的有机和传统农田的农药使用平均差异不大。
目前爆发的新冠状病毒再次让人们意识到了病毒的重要性。病毒不仅可以使包括人在内的动植物致病,也对生态与进化有着重要的作用,然而目前人们对其却所知甚少,甚至不能构造出完整、合理的病毒系统发育与分类图谱。近两年越来越多的人开始意识到了环境中病毒的重要性,基于不断发展的分子技术,环境宏病毒组学的研究可能越来越热。宏病毒组学的研究如何展开?今天给大家介绍一部病毒宏基因组学方法与指南,该书详细介绍了不同类型样品的处理流程,以及基本的分析方法,堪称宏病毒组研究宝典。
来源:知乎—机器学习小谈地址:https://zhuanlan.zhihu.com/p/386458680 本文约6100字,建议阅读10分钟 可解释人工智能遇上知识图谱。 在科学研究中,从方法论上来讲,都应“先见森林,再见树木”。当前,人工智能学术研究方兴未艾,技术迅猛发展,可谓万木争荣,日新月异。对于AI从业者来说,在广袤的知识森林中,系统梳理脉络,才能更好地把握趋势。为此,我们精选国内外优秀的综述文章,开辟“综述专栏”,敬请关注。 本文按照以下章节进行组织: 1. 背景意义 2. 基于路径的方法 3.
鱼眼摄像机即是搭配了鱼眼镜头的摄像机,鱼眼镜头是一种超广角的特殊镜头,其构造仿照鱼类眼睛成像,是可以独立实现大范围无死角监控的摄像机。我们知道鱼类眼睛与人眼构造类似,但是其水晶体为圆球形,人眼为扁圆形,鱼类虽然只能看到较近处的物体,但是却拥有了更广阔的视角,其视角甚至可达180°;具备同样特性的鱼眼摄像机通过吸顶安装,可视范围可达到360°,可监控大范围场景中的所有物体,所以也被称为全景摄像机。
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
现在需要扩展游戏,对鱼类进行细分,有金鱼(Goldfish)、三文鱼(Salmon)、鲤鱼(Carp),还有鲨鱼(Shark)。那么我们来思考一个问题:能不能不要每次都从头到尾去重新定义一个新的鱼类呢?因为我们知道大多数鱼的属性和方法是相似的,如果有一种机制可以让这些相似的东西得以自动传递,那就方便快捷多了。这种机制就是今天要讲的:继承。
国家基因库生命大数据平台(CNGBdb)被全球学术出版业巨头爱思唯尔(Elsevier)收录为组学数据归档库,并列入其推荐数据存储库列表。这标志着CNGBdb组学数据标准和数据库体系在国际认可方面迈上了一个新台阶。全球科研人员在爱思唯尔旗下期刊投稿,可以选择CNGBdb归档并共享科研数据。
前言 根据我个人的经验,学好AI,有五个必修:数学、数据结构、Python数据分析、ML、DL,必修之外,有五个选修可供选择:NLP、CV、DM、量化、Spark,然后配套七月在线的这些必修和选修课程刷leetcode、kaggle,最后做做相关开源实验。 今天,咱们就来看一看:如何用百行代码实现Kaggle排名Top 5%的图像分类比赛。 1、NCFM图像分类任务简介 为了保护和监控海洋环境及生态平衡,大自然保护协会(The Nature Conservancy)邀请Kaggle[1]社区的参赛者们开
总结一句话:所谓的多继承或Mixin混合模式继承就是让继承的类成为一个变量即可【可以根据不同的需求继承不同的类】
秘鲁的纳斯卡线(Nazca Lines)是所有历史遗迹中最神秘的。这些线条刻画的类人生物、几何形状和动物的轮廓使专家困惑了近一个世纪。
根据《英国南极调查》(British Antarctic Survey)2019年的一项研究,南极皇帝企鹅种群遭受了与气候有关的严重繁殖问题,到2100年,它有灭绝的风险。为了寻找解决方案,一个由英特尔牵头的高科技公司小组开发了一种计算机视觉解决方案,以帮助生态学家比以前更快,更准确地识别剩余的企鹅。
本文报告介绍了水下仿生机器人的设计,从作业臂系统、运动控制、环境自主感知与导航和三个方面介绍了目前的研究现状,同时带来了研究团队在这些关键问题上的最新研究成果,最后介绍整个水下抓取自主作业控制流程。
接口隔离原则表示一个类对另一个类的依赖应该建立在最小的接口上。也就是说,一个接口应该尽可能的小,只包含它需要的方法,而不是包含一些不相关的方法。
大家好,又见面了,我是你们的朋友全栈君。 很长时间不能很好解释多继承,今天看到一个特别好的解释,大快! 以下是引用: 我认为你好像是不明白接口怎么用?也就是不明白为什么要定义那
2020年12月,华大海洋联合中国水产科学研究院长江水产研究所,首次成功破译了鲟形目、匙吻鲟科、现存唯一物种匙吻鲟(Polyodon spathula)的全基因组序列,构建了首个匙吻鲟高质量染色体图谱,揭示了鲟鱼特有的全基因组复制事件、早期脊椎动物的染色体进化和骨骼矿化机制[1]。相关研究成果已发表于生物学顶级期刊《Molecular Biology and Evolution》。
导读:科学家正在展示一款鳗状鱼机器人有预测称,在未来十年当中,无人水下航行器将会与无人机一样,对军队构成巨大威胁。它能用于探测水雷、绘制海床、收集气象数据,保卫战舰免遭小艇的攻击,甚至展开对敌方蛙人的攻击 有预测称,在未来十年当中,无人水下航行器将会与无人机一样,对军队构成巨大威胁。它能用于探测水雷、绘制海床、收集气象数据,保卫战舰免遭小艇的攻击,甚至展开对敌方蛙人的攻击。不过,水下无人航行器最应该长什么样子?新加坡国立大学的许建新教授领导的一个研究团队最近推出了一种机器鳗鱼的设计原型,被业界认为预示着水下
如果一个模块需要修改,它肯定是有原因的,除此原因之外,如果遇到了其他情况,还需要对此模块做出修改的话,那么就说这个模块就兼具多个职责。举个栗子:
领取专属 10元无门槛券
手把手带您无忧上云