Классификация изображений зоопланктона на программно-аппаратном комплексе FlowCam

И. А. Минский1, 2, Д. А. Литвинюк1, 2, *, В. П. Евстигнеев1, А. А. Пинаев1, В. С. Муханов1, 2

1 ФГБОУ ВО Севастопольский государственный университет, Севастополь, Россия

2 ФГБУН ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН», Севастополь, Россия

* e-mail: d.litvinyuk@ibss-ras.ru

Аннотация

Многие годы программно-аппаратный комплекс FlowCam (Yokogawa Fluid Imaging Inc., США) используется для исследования сообществ морских организмов ‒ их видового состава, структуры и динамики, а также морфологических характеристик. Однако до сих пор не решена задача унификации протоколов применения такого типа приборов, относящихся к области визуализирующей цитометрии, для обработки планктонных проб. Цель работы заключается в разработке методики классификации изображений зоопланктона инструментами VisualSpreadsheet ‒ программного продукта, управляющего работой комплекса. Впервые разработан алгоритм автоматического поиска фильтров значений (value filters) и проведена формализация порядка вкладок классов в окне классификации VisualSpreadsheet. Предложенная методика была применена на нативных пробах черноморского зоопланктона и позволила, при определенных условиях, корректно классифицировать 100 % личинок двустворчатых моллюсков (класс mollusca) и динофлагеллят Noctiluca scintillans (класс noctiluca), 82 % оболочников Oikopleura dioica (класс oikopleura), 71.2 % науплиальных стадий развития (класс nauplius) и до 70.2 % каланоидных и циклоподных копепод (класс соpepoda). В целом описанный подход может быть использован для любых типов объектов, исследуемых на FlowCam, особенно со сложной морфологией.

Ключевые слова

FlowCam, VisualSpreadsheet, зоопланктон, классификация изображений, алгоритм классификации

Благодарности

Исследование выполнено в рамках государственного задания Севастопольского государственного университета по теме «Комплексные морские междисциплинарные исследования на НИС «Пионер-М» в шельфовой зоне и континентальном склоне Черного моря в условиях антропогенного воздействия и климатических изменений» (FEFM-2024-0013); в рамках государственного задания ФИЦ ИнБЮМ по теме «Трансформация структуры и функций экосистем морской пелагиали в условиях антропогенного воздействия и изменения климата» (№ гос. регистрации 124030400057-4).

Информация об авторах

Минский Иван Александрович, младший научный сотрудник, научно-исследовательская лаборатория «Морские экосистемы», Институт перспективных исследований, ФГАОУ ВО «Севастопольский государственный университет (299053, Россия, г. Севастополь, ул. Университетская, д. 33); ведущий инженер, ФГБУН ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН» (299011, Россия, г. Севастополь, пр-т Нахимова, д. 2), SPIN-код: 8847-8660, ORCID ID: 0009-0009-6539-303X, Scopus Author ID: 58168623600, ivansimfer@yandex.ru

Литвинюк Дарья Анатольевна, старший научный сотрудник, ФГБУН ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН» (299011, Россия, г. Севастополь, пр. Нахимова, д. 2), кандидат биологических наук, SPIN-код: 8391-5721, ORCID ID: 0000-0002-9732-1219, Scopus Author ID: 57195425970, ResearcherID: ABB-1684-2021, d.litvinyuk@ibss-ras.ru

Евстигнеев Владислав Павлович, ведущий научный сотрудник, ФГАОУ ВО «Севастопольский государственный университет (299053, Россия, г. Севастополь, ул. Университетская, д. 33), кандидат физико-математических наук, доцент, SPIN-код: 8739-5204, ORCID ID: 0000-0003-3064-2613, ResearcherID: G-1894-2014, Scopus Author ID: 12544785600, vald_e@rambler.ru

Пинаев Андрей Андреевич, магистр, ФГАОУ ВО «Севастопольский государственный университет (299053, Россия, г. Севастополь, ул. Университетская, д. 33), ResearchIDs: rid125302, mrsend@mail.ru

Муханов Владимир Сергеевич, ведущий научный сотрудник, заведующий отделом планктона ФГБУН ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН» (299011, Россия, г. Севастополь, пр. Нахимова, д. 2), кандидат биологических наук, SPIN-код: 3241-9675, Scopus Author ID: 7004040853, ORCID ID: 0000-0002-5324-045X, ResearcherID: H-4760-2014, v.s.mukhanov@ibss-ras.ru

Для цитирования

Минский И. А., Литвинюк Д. А., Евстигнеев В. П., Пинаев А. А. и др. Классификация изображений зоопланктона на программно-аппаратном комплексе FlowCam // Экологическая безопасность прибрежной и шельфовой зон моря. 2026. № 2. С. 145–161. EDN WCIXSD.

Minsky, I.A., Litvinyuk, D.A., Evstigneev, V.P., Pinaev, A.A. and Mukhanov, V.S., 2026. Zooplankton Image Classification Using a FlowCam Flow Imaging Microscope. Ecological Safety of Coastal and Shelf Zones of Sea, (2), pp. 145–161.

Список литературы

  1. Пионтковский С. А., Минский И. А., Мегер Я. В. Многолетняя изменчивость биомассы океанического зоопланктона // Водные биоресурсы и среда обитания. 2023. Т. 6, № 3. C. 52–65. EDN HAEHCE. https://doi.org/10.47921/2619-1024_2023_6_3_52
  2. Karnan C., Jyothibabu R., Manoj Kumar T. M., Jagadeesan L. et al. On the accuracy of assessing copepod size and biovolume using FlowCam and traditional microscopy // Indian Journal of Geo Marine Systems. 2017. Vol. 46. P. 1261–1264.
  3. Chiba S., Batten S., Martin C. S., Ivory S. et al. Zooplankton monitoring to contribute towards addressing global biodiversity conservation challenges // Journal of Plankton Research. 2018. Vol. 40, iss. 5. P. 509–518. https://doi.org/10.1093/plankt/fby030
  4. Ratnarajah L., Abu-Alhaija R., Atkinson A., Batten S. et al. Monitoring and modelling marine zooplankton in a changing climate // Nature Communications. 2023. Vol. 14. 564. https://doi.org/10.1038/s41467-023-36241-5
  5. Detmer T. M., Broadway K. J., Potter C. G., Collins S. F. et al. Comparison of microscopy to a semi-automated method (FlowCam®) for characterization of individual-, population-, and community-level measurements of zooplankton // Hydrobiologia. 2019. Vol. 838. P. 99–110. https://doi.org/10.1007/s10750-019-03980-w
  6. Culverhouse P. F., Williams R., Reguera B., Herry V. et al. Do experts make mistakes? A comparison of human and machine identification of dinoflagellates // Marine Ecology Progress Series. 2003. Vol. 247. P. 17–25. https://doi.org/10.3354/meps247017
  7. Zhang W., Bi H., Wang D., Cheng X. et al. Automated zooplankton size measurement using deep learning: Overcoming the limitations of traditional methods // Frontiers in Marine Science. 2024. Vol. 11. 1341191. https://doi.org/10.3389/fmars.2024.1341191
  8. Drago L., Panaïotis T., Irisson J.-O., Babin M. et al. Global distribution of zooplankton biomass estimated by in situ imaging and machine learning // Frontiers in Marine Science. 2022. Vol. 9. 894372. https://doi.org/10.3389/fmars.2022.894372
  9. Kydd J., Rajakaruna H., Briski E., Bailey S. Examination of a high-resolution laser optical plankton counter and FlowCam for measuring plankton concentration and size // Journal of Sea Research. 2017. Vol. 133. P. 2–10. http://doi.org/10.1016/j.seares.2017.01.003
  10. Mirasbekov Y., Zhumakhanova A., Zhantuyakova A., Sarkytbayev K. et al. Semi-automated classification of colonial Microcystis by FlowCAM imaging flow cytometry in mesocosm experiment reveals high heterogeneity during seasonal bloom // Scientific Reports. 2021. Vol. 11. 9377. https://doi.org/10.1038/s41598-021-88661-2
  11. Owen B. M., Hallett C. S., Cosgrove J. J., Tweedley J. R. et al. Reporting of methods for automated devices: A systematic review and recommendation for studies using FlowCam for phytoplankton // Limnology and Oceanography: Methods. 2022. Vol. 20, iss. 7. P. 400–427. https://doi.org/10.1002/lom3.10496
  12. Camoying M. G., Yñiguez A. T. FlowCam optimization: Attaining good quality images for higher taxonomic classification resolution of natural phytoplankton samples // Limnology and Oceanography: Methods. 2016. Vol. 14, iss. 5. P. 305–314. https://doi.org/10.1002/lom3.10090
  13. Pebesma E., Bivand R. Spatial Data Science: With Applications in R. New York : Chapman and Hall/CRC, 2023. 314 p. https://doi.org/10.1201/9780429459016
  14. Wong E., Sastri A. R., Lin F.-S., Hsieh C.-h. Modified FlowCam procedure for quantifying size distribution of zooplankton with sample recycling capacity // PLoS ONE. 2017. Vol. 12, iss. 4. e0175235. https://doi.org/10.1371/journal.pone.0175235
  15. Albini D., Ransome E., Dumbrell A. J., Pawar S. et al. Warming alters plankton body-size distributions in a large field experiment // Communications Biology. 2025. Vol. 8. 162. https://doi.org/10.1038/s42003-024-07380-2
  16. Lovecchio E., Henson S., Carvalho F., Briggs N. et al. Mesopelagic particle layers in the dynamic hypoxic northern Benguela are shaped by zooplankton activity // Journal of Geophysical Research: Oceans. 2025. Vol. 130, iss. 3. e2024JC021039. https://doi.org/10.1029/2024JC021039
  17. Wang Y., Castillo-Keller M., Eustance E., Sommerfeld M. Early detection and quantification of zooplankton grazers in algal cultures by FlowCam // Algal Research. 2017. Vol. 21. P. 98–102. https://doi.org/10.1016/j.algal.2016.11.012
  18. Ide K., Takahashi K., Kuwata A., Nakamachi M. et al. A rapid analysis of copepod feeding using FlowCam // Journal of Plankton Research. 2008. Vol. 30, iss. 3. P. 275–281. https://doi.org/10.1093/plankt/fbm108
  19. Minguez L., Sperfeld E., Berger S. A., Nejstgaard J. C. et al. Changes in food characteristics reveal indirect effects of lake browning on zooplankton performance // Limnology and Oceanography. 2020. Vol. 65, iss. 5. P. 1028–1040. https://doi.org/10.1002/lno.11367
  20. Lombard F., Boss E., Waite A. M., Vogt M. et al. Globally consistent quantitative observations of planktonic ecosystems // Frontiers in Marine Science. 2019. Vol. 6. 196. https://doi.org/10.3389/fmars.2019.00196
  21. Gorsky G., Ohman M. D., Picheral M., Gasparini S. et al. Digital zooplankton image analysis using the ZooScan integrated system // Journal of Plankton Research. 2010. Vol. 32, iss. 3. P. 285–303. https://doi.org/10.1093/plankt/fbp124
  22. Feliú G., Pagano M., Hidalgo P., Carlotti F. Structure and function of epipelagic mesozooplankton and their response to dust deposition events during the spring PEACETIME cruise in the Mediterranean Sea // Biogeosciences. 2020. Vol. 17, iss. 21. P. 5417–5441. https://doi.org/10.5194/bg-17-5417-202
  23. Fierro-González P., Pagano M., Guilloux L., Makhlouf N. et al. Zooplankton biomass, size structure, and associated metabolic fluxes with focus on its roles at the chlorophyll maximum layer during the plankton-contaminant MERITE-HIPPOCAMPE cruise // Marine Pollution Bulletin. 2023. Vol. 193. 115056. https://doi.org/10.1016/j.marpolbul.2023.115056
  24. Ershova E. A., Berge T., Aguirre G. E., Reeve M. J. et al. Latitudinal gradients in zooplankton communities in Norwegian fjords resolved by an integrated morphological and molecular approach // ICES Journal of Marine Science. 2025. Vol. 82, iss. 6. fsae147. https://doi.org/10.1093/icesjms/fsae147
  25. Conradt J., Börner G., López-Urrutia Á., Möllmann C. et al. Automated plankton classification with a dynamic optimization and adaptation cycle // Frontiers in Marine Science. 2022. Vol. 9. 868420. https://doi.org/10.3389/fmars.2022.868420

Файлы

 Полный текст (русский)

  JATS XML (русский)

 Полный текст (английский)

Мы используем Яндекс Метрику. Подробнее.