Revolusjon innen dyreforskning: Mobilkameraer avslører fugleadferd!

Revolusjon innen dyreforskning: Mobilkameraer avslører fugleadferd!

Forskere fra Konstanz Cluster of Excellence "Collective Behavior" har utviklet et innovativt mobilkamerasystem kalt "3D-SOCS". Dette systemet er designet for å fange opp detaljerte data om oppførselen til dyr i deres naturlige habitat og muliggjør presis, markørløs 3D-sporing av stillinger og bevegelser til flere fugler samtidig. Til dags dato har 3D-sporing stort sett fokusert på innendørsrom eller dyr i fangenskap. Det nye systemet ble publisert i det anerkjente tidsskriftet Methods in Ecology and Evolution og representerer et fremskritt innen dyreatferdsforskning.

Bruken av 3D-SOCS fant sted i en skog nær Max Planck Institute for Behavioral Biology i Möggingen. Under et felteksperiment ble visuelle stimuli som melorm og utstoppede fugler presentert for å observere fuglenes respons. De innhentede dataene gjør det mulig å trekke konklusjoner om bruken av synsfeltet og lateraliseringen av fuglene. Systemet kan også brukes til å estimere kroppsvolumet til dyrene, som fungerer som en tilnærming for vekten deres. Det som er spesielt bemerkelsesverdig er at datainnsamlingen er ikke-invasiv, noe som betyr at dyrene ikke må fanges.

Teknologiske innovasjoner og økologisk overvåking

3D SOCS-systemet representerer en åpen plattform. Maskinvareplaner og programvarepipelines er offentlig tilgjengelige, noe som lar et bredt vitenskapelig samfunn bruke teknologien. Dette systemet fremmer synergier mellom laboratorie- og feltforskning og tetter gapet mellom kontrollerte studier og økologisk valide feltobservasjoner. Den er finansiert av den tyske forskningsstiftelsen (DFG) og det sveitsiske statssekretariatet for utdanning, forskning og innovasjon (SERI) og er batteridrevet, så den er designet for bruk i felten.

Forfatterne av den underliggende studien, inkludert Michael Chimento og Alex Hoi Hang Chan, har som mål å samle inn store atferdsdatasett om ville dyr i naturlige habitater. Ved å bruke state-of-the-art sensorteknologier som GPS og passive transponder-tagger, er kvaliteten og omfanget av atferdsdata betydelig forbedret. Fremskritt innen maskinlæring og datasyn muliggjør spesielt presise målinger som kan konkurrere med kontrollerte laboratorieforhold.

Rollen til bildeanalysealgoritmer

I tillegg til utviklingen i Konstanz, har forskere fra Universitetets institutt for nevroinformatikk og ETH Zürich laget en bildeanalysealgoritme for å automatisere analysen av videoopptak i atferdsstudier. Denne algoritmen bruker datasyn og maskinlæring for å skille individuelle dyr og oppdage atferd som nysgjerrighet og frykt. Algoritmens spesielle styrker ligger i den raske og automatiserte evalueringen av videoopptak, noe som øker reproduserbarheten og validiteten til forskningsresultater.

Metoden ble trent ved hjelp av videoopptak av både mus og makaker, men er universelt anvendelig. Fra å overvåke unormal atferd i dyrehold til å analysere komplekse sosiale interaksjoner i dyresamfunn, har denne algoritmen bred anvendelse. Sammen med Zürich Zoo har dette initiativet som mål å forbedre dyrehold og etablere automatisert atferdsforskning. ETH-professor Yanik planlegger å bruke denne teknikken i sin forskning på imitasjonslæring.

Fremskrittene som gjøres av disse teknologiene kan i betydelig grad bidra til å utdype vår forståelse av dyreatferd i naturen og dermed også forbedre grunnlaget for beskyttelse og bevaring av truede arter.