华中农业大学学报

作者：周逸驰，陈彦祥，刘季松，熊皓，苏晓静，杨庆勇，杨瑞斌，郑芳

单位：1华中农业大学信息学院，武汉 430070;2华电金沙江上游水电开发有限公司叶巴滩分公司，甘孜 627153;3华中农业大学水产学院，武汉430070

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

基金：湖北省支持种业高质量发展资金项目（HBZY2023B009）；国家自然科学基金项目（31971421）；华电集团金沙江上游远期放流鱼种人工繁育技术研究项目（T-2022-04）

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，YOLOv8n-pose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。

来源：2026年第2期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2026年第2期