Revolution inom djurforskning: Mobilkameror avslöjar fågelbeteende!

Revolution inom djurforskning: Mobilkameror avslöjar fågelbeteende!

Forskare från Konstanz Cluster of Excellence "Collective Behavior" har utvecklat ett innovativt mobilkamerasystem kallat "3D-SOCS". Detta system är designat för att fånga detaljerad information om djurens beteende i deras naturliga livsmiljö och möjliggör exakt, markörlös 3D-spårning av ställningar och rörelser för flera fåglar samtidigt. Hittills har 3D-spårning mest fokuserat på inomhusutrymmen eller djur i fångenskap. Det nya systemet publicerades i den berömda tidskriften Methods in Ecology and Evolution och representerar ett framsteg inom djurbeteendeforskning.

Användningen av 3D-SOCS skedde i en skog nära Max Planck-institutet för beteendebiologi i Möggingen. Under ett fältexperiment presenterades visuella stimuli som mjölmask och uppstoppade fåglar för att observera fåglarnas svar. De erhållna uppgifterna gör det möjligt att dra slutsatser om användningen av synfältet och lateraliseringen av fåglarna. Systemet kan också användas för att uppskatta djurens kroppsvolym, vilket fungerar som en approximation för deras vikt. Det som är särskilt anmärkningsvärt är att datainsamlingen är icke-invasiv, vilket innebär att djuren inte behöver fångas.

Tekniska innovationer och ekologisk övervakning

3D SOCS-systemet representerar en öppen plattform. Hårdvaruplaner och mjukvarupipelines är allmänt tillgängliga, vilket gör att ett brett forskarsamhälle kan använda tekniken. Detta system främjar synergier mellan laboratorie- och fältforskning och stänger gapet mellan kontrollerade studier och ekologiskt giltiga fältobservationer. Den är finansierad av den tyska forskningsstiftelsen (DFG) och det schweiziska statssekretariatet för utbildning, forskning och innovation (SERI) och är batteridriven, så den är designad för användning i fält.

Författarna till den underliggande studien, inklusive Michael Chimento och Alex Hoi Hang Chan, syftar till att samla in stora beteendedatauppsättningar om vilda djur i naturliga livsmiljöer. Genom att använda state-of-the-art sensorteknologier som GPS och passiva transpondertaggar förbättras kvaliteten och omfattningen av beteendedata avsevärt. Framsteg inom maskininlärning och datorseende möjliggör särskilt exakta mätningar som kan konkurrera med kontrollerade laboratorieförhållanden.

Rollen av bildanalysalgoritmer

Utöver utvecklingen i Konstanz har forskare från universitetets institut för neuroinformatik och ETH Zürich skapat en bildanalysalgoritm för att automatisera analysen av videoinspelningar i beteendestudier. Denna algoritm använder datorseende och maskininlärning för att särskilja enskilda djur och upptäcka beteenden som nyfikenhet och rädsla. Algoritmens särskilda styrkor ligger i den snabba och automatiserade utvärderingen av videoinspelningar, vilket ökar reproducerbarheten och validiteten hos forskningsresultat.

Metoden tränades med hjälp av videoinspelningar av både möss och makaker, men är universellt användbar. Från att övervaka onormalt beteende inom djurhållning till att analysera komplexa sociala interaktioner i djursamhällen, denna algoritm har bred tillämpning. Tillsammans med Zürich Zoo syftar detta initiativ till att förbättra djurhållningen och etablera automatiserad beteendeforskning. ETH Professor Yanik planerar att använda denna teknik i sin forskning om imitationsinlärning.

De framsteg som gjorts av dessa tekniker kan avsevärt bidra till att fördjupa vår förståelse av djurs beteende i naturen och därmed också förbättra grunden för skydd och bevarande av hotade arter.