Επανάσταση στην έρευνα σε ζώα: Οι κινητές κάμερες αποκαλύπτουν τη συμπεριφορά των πτηνών!
Ερευνητές στο Πανεπιστήμιο του Konstanz αναπτύσσουν ένα καινοτόμο σύστημα κάμερας για έρευνα συμπεριφοράς σε άγρια πτηνά χρησιμοποιώντας 3D-SOCS.

Επανάσταση στην έρευνα σε ζώα: Οι κινητές κάμερες αποκαλύπτουν τη συμπεριφορά των πτηνών!
Ερευνητές από το Constanz Cluster of Excellence “Collective Behavior” ανέπτυξαν ένα καινοτόμο σύστημα κάμερας κινητής τηλεφωνίας που ονομάζεται “3D-SOCS”. Αυτό το σύστημα έχει σχεδιαστεί για να συλλαμβάνει λεπτομερή δεδομένα σχετικά με τη συμπεριφορά των ζώων στο φυσικό τους περιβάλλον και επιτρέπει την ακριβή, τρισδιάστατη παρακολούθηση χωρίς δείκτες των στάσεων και των κινήσεων πολλών πτηνών ταυτόχρονα. Μέχρι σήμερα, η τρισδιάστατη παρακολούθηση έχει επικεντρωθεί κυρίως σε εσωτερικούς χώρους ή ζώα σε αιχμαλωσία. Το νέο σύστημα δημοσιεύτηκε στο φημισμένο περιοδικό Methods in Ecology and Evolution και αντιπροσωπεύει μια πρόοδο στην έρευνα για τη συμπεριφορά των ζώων.
Η χρήση του 3D-SOCS έγινε σε ένα δάσος κοντά στο Ινστιτούτο Max Planck για τη Συμπεριφορική Βιολογία στο Möggingen. Κατά τη διάρκεια ενός πειράματος πεδίου, παρουσιάστηκαν οπτικά ερεθίσματα όπως αλευροσκούληκες και ταριχευμένα πουλιά για να παρατηρηθούν οι αντιδράσεις των πουλιών. Τα δεδομένα που ελήφθησαν επιτρέπουν την εξαγωγή συμπερασμάτων σχετικά με τη χρήση του οπτικού πεδίου και την πλευροποίηση των πτηνών. Το σύστημα μπορεί επίσης να χρησιμοποιηθεί για την εκτίμηση του σωματικού όγκου των ζώων, που χρησιμεύει ως προσέγγιση για το βάρος τους. Αυτό που είναι ιδιαίτερα αξιοσημείωτο είναι ότι η συλλογή δεδομένων είναι μη επεμβατική, που σημαίνει ότι τα ζώα δεν χρειάζεται να συλληφθούν.
Τεχνολογικές καινοτομίες και οικολογική παρακολούθηση
Το σύστημα 3D SOCS αντιπροσωπεύει μια ανοιχτή πλατφόρμα. Τα σχέδια υλικού και οι αγωγοί λογισμικού είναι διαθέσιμα στο κοινό, επιτρέποντας σε μια ευρεία επιστημονική κοινότητα να χρησιμοποιήσει την τεχνολογία. Αυτό το σύστημα προωθεί τις συνέργειες μεταξύ εργαστηριακής και επιτόπιας έρευνας και κλείνει το χάσμα μεταξύ ελεγχόμενων μελετών και οικολογικά έγκυρων παρατηρήσεων πεδίου. Χρηματοδοτείται από το Γερμανικό Ίδρυμα Ερευνών (DFG) και την Ελβετική Κρατική Γραμματεία Εκπαίδευσης, Έρευνας και Καινοτομίας (SERI) και λειτουργεί με μπαταρίες, επομένως έχει σχεδιαστεί για χρήση στο πεδίο.
Οι συγγραφείς της υποκείμενης μελέτης, συμπεριλαμβανομένων των Michael Chimento και Alex Hoi Hang Chan, στοχεύουν στη συλλογή μεγάλων συνόλων δεδομένων συμπεριφοράς για άγρια ζώα σε φυσικούς οικοτόπους. Χρησιμοποιώντας τεχνολογίες αισθητήρων τελευταίας τεχνολογίας, όπως το GPS και τις ετικέτες παθητικών αναμεταδοτών, η ποιότητα και το εύρος των δεδομένων συμπεριφοράς βελτιώνονται σημαντικά. Οι πρόοδοι στη μηχανική μάθηση και την όραση υπολογιστών επιτρέπουν ιδιαίτερα ακριβείς μετρήσεις που μπορούν να ανταγωνιστούν τις ελεγχόμενες εργαστηριακές συνθήκες.
Ο ρόλος των αλγορίθμων ανάλυσης εικόνας
Εκτός από τις εξελίξεις στο Konstanz, ερευνητές από το University Institute for Neuroinformatics και το ETH Zurich δημιούργησαν έναν αλγόριθμο ανάλυσης εικόνας για την αυτοματοποίηση της ανάλυσης εγγραφών βίντεο σε μελέτες συμπεριφοράς. Αυτός ο αλγόριθμος χρησιμοποιεί όραση υπολογιστή και μηχανική μάθηση για να διακρίνει μεμονωμένα ζώα και να ανιχνεύει συμπεριφορές όπως η περιέργεια και ο φόβος. Τα ιδιαίτερα δυνατά σημεία του αλγορίθμου έγκεινται στην ταχεία και αυτοματοποιημένη αξιολόγηση των εγγραφών βίντεο, η οποία αυξάνει την αναπαραγωγιμότητα και την εγκυρότητα των αποτελεσμάτων της έρευνας.
Η μέθοδος εκπαιδεύτηκε χρησιμοποιώντας εγγραφές βίντεο τόσο ποντικών όσο και μακάκων, αλλά είναι παγκοσμίως εφαρμόσιμη. Από την παρακολούθηση της ανώμαλης συμπεριφοράς στην κτηνοτροφία μέχρι την ανάλυση πολύπλοκων κοινωνικών αλληλεπιδράσεων στις ζωικές κοινότητες, αυτός ο αλγόριθμος έχει ευρεία εφαρμογή. Μαζί με τον ζωολογικό κήπο της Ζυρίχης, αυτή η πρωτοβουλία στοχεύει στη βελτίωση της κτηνοτροφίας και στην καθιέρωση αυτοματοποιημένης έρευνας συμπεριφοράς. Ο καθηγητής ETH Yanik σχεδιάζει να χρησιμοποιήσει αυτή την τεχνική στην έρευνά του για τη μίμηση της μάθησης.
Οι πρόοδοι που πραγματοποιούνται από αυτές τις τεχνολογίες θα μπορούσαν να συμβάλουν σημαντικά στην εμβάθυνση της κατανόησής μας για τη συμπεριφορά των ζώων στην άγρια φύση και, συνεπώς, στη βελτίωση της βάσης για την προστασία και τη διατήρηση των απειλούμενων ειδών.