Estimating the Number of Eggs in Blow Fly (Diptera: Calliphoridae) Egg Masses Using Photographic Analysis
Notice bibliographique
Résumé
Little work has been done to quantify the number of eggs oviposited by blow flies (Diptera: Calliphoridae) in studies examining colonization behavior. Egg counting methods currently available are time-consuming and destructive. This study used ImageJ software and analysis of covariance to relate the volume of egg masses to the number of eggs laid by three different blow fly species: Lucilia sericata (Meigen), Phormia regina (Meigen), and Chrysomya rufifacies (Macquart). Egg mass volume, species, and the interaction of species and egg mass volume all affected the number of blow fly eggs deposited in egg masses. Both species identity and egg mass volume are important when predicting egg number, as such a single regression equation cannot be used to estimate egg number for these three species. Therefore, simple linear regression equations were determined for each species. The volume of individual eggs was incorporated into the model, yet differences between species were observed, suggesting that the orientation of the eggs oviposited by multiple conspecific females within egg masses influences egg estimates. Based on our results, we expect that imaging software can be used for other blow fly species, as well as other insect species; however, equations specific to each species must be developed. This study describes an important tool for quantifying egg deposition in a nondestructive manner, which is important in studying the colonization behavior and life history of insects of ecological and forensic importance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».