长期共养水生动物的视频追踪：以挪威龙虾（Nephrops norvegicus）每日运动活动为例

本方案可实现对多只动物的自动追踪。通过使用简单的标签来识别每只动物，并利用ID分析工具检测这些标签。该方案显著减少了使用leskey数据进行视频记录分析所需的时间。

从实验研究中估算出更精确的结果。在其他环境中，只要能够以类似方式标记的动物，均可采用类似的方案进行追踪，从而应用于时间生物学、生态学、病毒学研究或神经科学领域。我们提供了硬件设计和开源编程语言，并提供了一个模型，建议用户在方案中采用该模型来学习 Python 编程语言。

为了为目标动物制作标签，首先从黑色塑料板上裁剪出四个直径为40毫米的圆片，并从白色塑料PVC板上裁剪出两个边长为26毫米的等边三角形和两个直径为26毫米的圆片。标记其中一个白色三角形和一个白色圆片的中心，并在每个标记处打一个直径为10毫米的孔。

然后将一个白色形状粘贴到每个黑色圆圈的中心。设置实验区域时，将红外暗光LED灯放入水箱中，并始终保持红外灯开启。

接下来，将蓝色定时LED灯放入一个装有沙子和四根柔性PVC管洞穴的改良玻璃钢水箱中，并将灯连接至控制光照周期的装置。当所有灯安装完毕后，将冷藏海水进水口置于水箱的一角，相应的出水口置于对角的另一角。检查海水输入的流速是否设置为约4升每分钟。

用黑色帘布将实验箱包围，以完全隔绝外部光线。将装有网络摄像头的三脚架放置在实验区域的一侧，使摄像头位于实验区域正上方130厘米处的中心位置。将摄像头连接至帘布外的计算机，并根据物种特性调整视频录制参数，确保在延时视频中生成包含日期的时间戳，以便后续进行行为评分。

为了标记动物，将7摄氏度的水加入带有浸没隔间的冰盒中，并将4只龙虾分别放入4个独立的隔间内。让龙虾适应环境约30分钟后，将其中一只转移到盛有碎冰的托盘上，持续5分钟，然后用吸水纸擦干被固定龙虾头胸部的上部区域。在干燥的背甲上滴一滴快干胶，将标签按压在胶水上约20秒，直至胶水固化。

然后将龙虾放回冰箱中的相应隔间，并以相同方式标记其余三只动物。当所有龙虾都标记完毕后，将它们放回各自的养殖单元中静置24小时。次日，使用同一冰柜将龙虾从适应性饲养设施转移至实验装置，并开始视频记录。

在红光条件下执行标记和转移步骤，以避免光线对龙虾受体造成损伤。其他水生或陆生物种可能不需要此类防护措施。随后，在将动物逐一放入实验水箱各自隔间之前，通过五分钟的视频或前100帧图像获取平均背景图像，并等待龙虾从其隔间中爬出。

在此项代表性实验统计的动物总数中，程序正确匹配了79%的动物检测结果，89.5%的标签被准确识别。仅有3.8%的标签被错误分类，而其余6.6%则对应于假阳性结果。

在完成特定的视频分析后，所获得的位置数据可用于评估龙虾的不同行为模式。例如，通过使用二维核密度估计，并在由变量对齐的正态核函数生成的方形网格上进行计算，绘制空间占用图，可以利用高颜色强度的图像表示龙虾花费更多时间的区域。龙虾的每日活动节律也可以通过在十分钟时间间隔内随时间变化所移动的毫米距离进行绘图分析。

保持尺寸和形状的精确规格非常重要，且始终应在后台执行分箱分析步骤，不显示用户界面。图像分析模型可进一步扩展，以观察甲壳动物的特定组分，从而在动物相互作用方面改进行为学研究。这些复杂的动物社会性相互作用在真实环境中以类似方式发生，使得该方法可用于生物学研究的风格和关键方面，并在生态学和神经科学领域具有一定应用价值。