|
|
|
|
| |
|
|
| Segretin, Angelique. |
| Les méthodes de classification sont largement utilisées en vision par ordinateur et reconnaissance des formes. La classification floue a d'ailleurs montré de bonnes performances dans ces domaines, non seulement dans la reconnaissance de classes en volume, mais aussi pour des formes fines, des droites, des courbes, et également des surfaces. L'idée est d'utiliser la classification automatique pour tenter de caractériser des types hémocytaires présents dans l'hémolymphe de l'huître plate. Actuellement, trois types d'hémocyte ont été définis, mais la difficulté d'établir un classement des cellules dans ces trois groupes, laisse penser qu'ils ne sont pas exhaustifs. Différentes approches de classification ont été tentées sur des mesures morphométriques de... |
| Tipo: Text |
Palavras-chave: Classification floue; Analyse d'image; Huître plate; Ostrea edulis; Hémocytes. |
| Ano: 1997 |
URL: http://archimer.ifremer.fr/doc/00033/14445/11744.pdf |
| |
|
| |
|
|
| Roux, Isabelle. |
| La gonadogenèse chez les mollusques bivalves mobilise le métabolisme énergétique de l'animal, engendre un ralentissement de la croissance et une mortalité accrue des animaux fragilisés. La triploïdisation, qui consiste en une augmentation artificielle du matériel chromosomique d'un individu, aboutit à une stérilité partielle, voire totale, et constituerait ainsi une solution aux problèmes posés par la maturation sexuelle. , Chez l'huître creuse Crassostrea g!gas, l'obtention de lots triploïdes 3N-Méiose 1 et 3N-Méiose II "bien différenciés est considérablement gênée par le manque de synchronisme existant chez une population d'embryons pour l'expulsion des deux GP. Cette absence de synchronisme empêche de bien cerner le moment idéal d'application du... |
| Tipo: Text |
Palavras-chave: Triploïdisation; Globules plaires 1 et 2; 6-DMAP; Epifluorescence; Analyse d'image. |
| Ano: 1993 |
URL: http://archimer.ifremer.fr/doc/00411/52222/52949.pdf |
| |
|
|
| Grosjean, Philippe; Wacquet, Guillaume. |
| This report details the work accomplished to enhance the Zoo/PhytoImage software to optimize its use for the analysis of phytoplankton samples in general, but more particularly, in the framework of an operational survey of coastal seawater (REPHY, IFREMER). Zoo/PhytoImage allows to analyze “numerically recorded” plankton samples, that is, by using digital images gathered with specialized devices such as the FlowCAM, or the FastCAM (see report 3). A machine learning approach allows to automatically classify the digitized particles into various taxonomic groups. Once this is done, global statistics are calculated on each sample, including the number of particles, the biomass, and the size spectrum per taxonomic group. Two major changes are introduced in the... |
| Tipo: Text |
Palavras-chave: Phytoplancton; REPHY; Analyse d'image; Classification supervisée; Dénombrement de cellules; Apprentissage actif; Manche; Atlantique.; Phytoplankton; REPHY; Image analysis; Machine learning; Cells enumeration; Active learning; The Channel; Atlantic Ocean. |
| Ano: 2016 |
URL: http://archimer.ifremer.fr/doc/00389/49990/50578.pdf |
| |
|
| |
|
|
| Wacquet, Guillaume; Grosjean, Philippe; Colas, Florent; Hamad, Denis; Artigas, Luis Felipe. |
| The coupled system FlowCAM/ZooPhytoImage has become a real operational tool in 2014. However, to be fully adapted to the observations of phytoplankton performed in the context of the REPHY observation network and in order to better respond to present and future requests concerning the evaluation of quality of coastal and marine waters within the European requirements, such as the WFD and MSFD, new functionalities must be integrated into existing tools. Therefore, different axis of development have been proposed by UMONS and Ifremer to adapt both the digitization device and the Zoo/PhytoImage software to the constraints defined by the REPHY. First, version 5 of Zoo/PhytoImage contains recent innovations such as the development of routines to automatically... |
| Tipo: Text |
Palavras-chave: Plancton; Analyse automatisée; Analyse d'image; Classification supervisée; Apprentissage actif; Dénombrement de cellules; Plankton; Automated analysis; Image processing; Supervised classification; Active learning; Cells counting. |
| Ano: 2015 |
URL: http://archimer.ifremer.fr/doc/00389/49986/50573.pdf |
| |
|
|
|
