Suche
Mein Konto
Revolution inden for dyreforskning: Mobilkameraer afslører fugleadfærd!
Forskere ved University of Konstanz udvikler et innovativt kamerasystem til adfærdsforskning på vilde fugle ved hjælp af 3D-SOCS.
Revolution inden for dyreforskning: Mobilkameraer afslører fugleadfærd!
Forskere fra Konstanz Cluster of Excellence "Collective Behavior" har udviklet et innovativt mobilkamerasystem kaldet "3D-SOCS". Dette system er designet til at fange detaljerede data om dyrs adfærd i deres naturlige habitat og muliggør præcis, markørløs 3D-sporing af stillinger og bevægelser af flere fugle samtidigt. Til dato har 3D-sporing mest fokuseret på indendørs rum eller dyr i fangenskab. Det nye system blev offentliggjort i det anerkendte tidsskrift Methods in Ecology and Evolution og repræsenterer et fremskridt inden for dyreadfærdsforskning.
Brugen af 3D-SOCS fandt sted i en skov nær Max Planck Institut for Behavioral Biology i Möggingen. Under et felteksperiment blev visuelle stimuli såsom melorme og udstoppede fugle præsenteret for at observere fuglenes reaktioner. De opnåede data gør det muligt at drage konklusioner om brugen af synsfeltet og lateraliseringen af fuglene. Systemet kan også bruges til at estimere dyrenes kropsvolumen, hvilket tjener som en tilnærmelse til deres vægt. Det, der er særligt bemærkelsesværdigt, er, at dataindsamlingen er ikke-invasiv, hvilket betyder, at dyrene ikke skal fanges.
Teknologiske innovationer og økologisk overvågning
3D SOCS-systemet repræsenterer en åben platform. Hardwareplaner og softwarepipelines er offentligt tilgængelige, hvilket gør det muligt for et bredt videnskabeligt samfund at bruge teknologien. Dette system fremmer synergier mellem laboratorie- og feltforskning og lukker kløften mellem kontrollerede undersøgelser og økologisk valide feltobservationer. Den er finansieret af den tyske forskningsfond (DFG) og det schweiziske statssekretariat for uddannelse, forskning og innovation (SERI) og er batteridrevet, så den er designet til brug i marken.
Forfatterne af den underliggende undersøgelse, herunder Michael Chimento og Alex Hoi Hang Chan, sigter mod at indsamle store adfærdsdatasæt om vilde dyr i naturlige habitater. Ved at bruge state-of-the-art sensorteknologier såsom GPS og passive transponder-tags forbedres kvaliteten og omfanget af adfærdsdata væsentligt. Fremskridt inden for maskinlæring og computersyn muliggør særligt præcise målinger, der kan konkurrere med kontrollerede laboratorieforhold.
Rollen af billedanalysealgoritmer
Ud over udviklingen i Konstanz har forskere fra Universitetets Institut for Neuroinformatik og ETH Zürich skabt en billedanalysealgoritme til at automatisere analysen af videooptagelser i adfærdsstudier. Denne algoritme bruger computersyn og maskinlæring til at skelne mellem individuelle dyr og opdage adfærd såsom nysgerrighed og frygt. Algoritmens særlige styrker ligger i den hurtige og automatiserede evaluering af videooptagelser, hvilket øger reproducerbarheden og validiteten af forskningsresultater.
Metoden blev trænet ved hjælp af videooptagelser af både mus og makaker, men er universelt anvendelig. Fra at overvåge unormal adfærd i dyrehold til at analysere komplekse sociale interaktioner i dyresamfund, har denne algoritme bred anvendelse. Sammen med Zürich Zoo har dette initiativ til formål at forbedre dyrehold og etablere automatiseret adfærdsforskning. ETH Professor Yanik planlægger at bruge denne teknik i sin forskning i efterligningslæring.
De fremskridt, som disse teknologier gør, kan bidrage væsentligt til at uddybe vores forståelse af dyrenes adfærd i naturen og dermed også forbedre grundlaget for beskyttelse og bevarelse af truede arter.