基于关键点检测的前臀鮡表型测量与体质量预测

摘要

为提高前臀鮡（Pareuchiloglanis anteanalis）表型数据获取效率并降低人工测量误差，构建基于关键点检测的表型自动测量与体质量预测方法。采集前臀鮡腹部视角、侧面视角与背部视角图像共951张，采用COCO格式完成关键点标注，并基于关键点坐标计算体长、体高、眼间距等传统体尺及框架距离指标；在相同训练配置下对RTMPOSE、LiteHRNet、YOLOv12n-pose与YOLOv8n-pose进行对比评估。结果显示，YOLOv8npose在测试集上的精确率为94.70%，表型测量平均相对误差（mean relative error,MRE）为5.45%，多数表型相对误差控制在10%以内；进一步结合相关性与共线性分析筛选胸鳍基部起点间距离（X₅）、胸鳍基部起点到腹鳍基部右端起点距离（X₇）、体高(X₁₀)、头长(X₁₂)和眼间距(X₁₄)等表型指标建立体质量多元回归模型，测试集决定系数R²为0.97。结果表明，该方法可实现前臀鮡表型的自动化测量与体质量的定量估算。

关键词

前臀鮡 / 表型测量 / 计算机视觉 / YOLOv8n-pose / 关键点检测 / 体质量预测