Révolution dans la recherche animale : les caméras mobiles révèlent le comportement des oiseaux !

Révolution dans la recherche animale : les caméras mobiles révèlent le comportement des oiseaux !

Des chercheurs du cluster d'excellence de Constance « Collective Behaviour » ont développé un système de caméra mobile innovant appelé « 3D-SOCS ». Ce système est conçu pour capturer des données détaillées sur le comportement des animaux dans leur habitat naturel et permet un suivi 3D précis et sans marqueur des postures et des mouvements de plusieurs oiseaux simultanément. Jusqu’à présent, le suivi 3D s’est principalement concentré sur les espaces intérieurs ou les animaux en captivité. Le nouveau système a été publié dans la célèbre revue Methods in Ecology and Evolution et représente une avancée dans la recherche sur le comportement animal.

L'utilisation du 3D-SOCS a eu lieu dans une forêt près de l'Institut Max Planck de biologie comportementale à Möggingen. Au cours d'une expérience sur le terrain, des stimuli visuels tels que des vers de farine et des oiseaux empaillés ont été présentés pour observer les réponses des oiseaux. Les données obtenues permettent de tirer des conclusions sur l'utilisation du champ visuel et la latéralisation des oiseaux. Le système peut également être utilisé pour estimer le volume corporel des animaux, qui sert d’approximation de leur poids. Ce qui est particulièrement remarquable, c'est que la collecte de données est non invasive, ce qui signifie qu'il n'est pas nécessaire de capturer les animaux.

Innovations technologiques et veille écologique

Le système 3D SOCS représente une plateforme ouverte. Les plans matériels et les pipelines logiciels sont accessibles au public, permettant à une large communauté scientifique d'utiliser la technologie. Ce système favorise les synergies entre la recherche en laboratoire et sur le terrain et comble le fossé entre les études contrôlées et les observations de terrain écologiquement valables. Il est financé par la Fondation allemande pour la recherche (DFG) et le Secrétariat d'État suisse à l'éducation, à la recherche et à l'innovation (SEFRI) et fonctionne sur batterie. Il est donc conçu pour une utilisation sur le terrain.

Les auteurs de l'étude sous-jacente, dont Michael Chimento et Alex Hoi Hang Chan, visent à collecter de vastes ensembles de données comportementales sur les animaux sauvages dans leurs habitats naturels. Grâce à des technologies de capteurs de pointe telles que le GPS et les balises à transpondeur passif, la qualité et la portée des données comportementales sont considérablement améliorées. Les progrès de l’apprentissage automatique et de la vision par ordinateur permettent des mesures particulièrement précises qui peuvent rivaliser avec des conditions de laboratoire contrôlées.

Le rôle des algorithmes d’analyse d’images

Outre les développements réalisés à Constance, des chercheurs de l'Institut universitaire de neuroinformatique et de l'ETH Zurich ont créé un algorithme d'analyse d'images pour automatiser l'analyse des enregistrements vidéo dans les études comportementales. Cet algorithme utilise la vision par ordinateur et l'apprentissage automatique pour distinguer les animaux individuels et détecter des comportements tels que la curiosité et la peur. Les points forts de l'algorithme résident dans l'évaluation rapide et automatisée des enregistrements vidéo, ce qui augmente la reproductibilité et la validité des résultats de recherche.

La méthode a été entraînée à l’aide d’enregistrements vidéo de souris et de macaques, mais elle est universellement applicable. De la surveillance des comportements anormaux dans l’élevage à l’analyse des interactions sociales complexes dans les communautés animales, cet algorithme a de nombreuses applications. En collaboration avec le zoo de Zurich, cette initiative vise à améliorer l'élevage des animaux et à mettre en place une recherche comportementale automatisée. Le professeur Yanik de l'ETH Zurich envisage d'utiliser cette technique dans ses recherches sur l'apprentissage par imitation.

Les progrès réalisés par ces technologies pourraient contribuer de manière significative à approfondir notre compréhension du comportement animal dans la nature et ainsi à améliorer les bases de la protection et de la conservation des espèces menacées.