动物研究的革命：移动摄像头揭示鸟类行为！

动物研究的革命：移动摄像头揭示鸟类行为！

来自康斯坦茨卓越集群“集体行为”的研究人员开发了一种名为“3D-SOCS”的创新移动摄像头系统。该系统旨在捕获有关自然栖息地中动物行为的详细数据，并能够同时对多只鸟类的姿势和运动进行精确、无标记的 3D 跟踪。迄今为止，3D 跟踪主要集中在室内空间或圈养的动物。该新系统发表在著名期刊《生态学与进化方法》上，代表了动物行为研究的进步。

3D-SOCS 的使用发生在莫金根马克斯·普朗克行为生物学研究所附近的森林中。在现场实验中，提出了诸如粉虫和毛绒玩具之类的视觉刺激来观察鸟类的反应。获得的数据可以得出有关鸟类视野的使用和偏侧化的结论。该系统还可用于估计动物的身体体积，作为其体重的近似值。特别值得注意的是，数据收集是非侵入性的，这意味着不必捕获动物。

技术创新和生态监测

3D SOCS 系统代表一个开放平台。硬件计划和软件管道是公开的，允许广泛的科学界使用该技术。该系统促进了实验室和实地研究之间的协同作用，并缩小了对照研究和生态有效的实地观察之间的差距。它由德国研究基金会 (DFG) 和瑞士国家教育、研究和创新秘书处 (SERI) 资助，由电池供电，因此专为现场使用而设计。

基础研究的作者，包括 Michael Chimento 和 Alex Hoi Hang Chan，旨在收集自然栖息地野生动物的大量行为数据集。使用 GPS 和无源应答器标签等最先进的传感器技术，行为数据的质量和范围得到显着提高。机器学习和计算机视觉的进步实现了特别精确的测量，可以与受控的实验室条件相媲美。

图像分析算法的作用

除了康斯坦茨的进展之外，该大学神经信息学研究所和苏黎世联邦理工学院的研究人员还创建了一种图像分析算法，可以自动分析行为研究中的视频记录。该算法使用计算机视觉和机器学习来区分个体动物并检测好奇心和恐惧等行为。该算法的独特优势在于快速、自动地评估视频记录，从而提高了研究结果的可重复性和有效性。

该方法是使用小鼠和猕猴的视频记录进行训练的，但具有普遍适用性。从监测畜牧业中的异常行为到分析动物群落中复杂的社会互动，该算法具有广泛的应用。该计划与苏黎世动物园合作，旨在改善畜牧业并建立自动化行为研究。 ETH 教授 Yanik 计划在他的模仿学习研究中使用这种技术。

这些技术取得的进步可以极大地有助于加深我们对野生动物行为的理解，从而改善濒危物种的保护和保存基础。