מאמר שיטה

שילוב מספר הפסיכופיזיקלי בתוך מבוך Y כדי לבודד את התפקיד שתכונות חזותיות משחקות בהחלטות ניווט

5.7K צפיות

⸱

DOI:

10.3791/59281

⸱

2 במאי 2019

 ,  ,  , 
1Cognitive Ecology & Ecohydraulics Team, Environmental Laboratory, US Army Engineer Research and Development Center

במאמר זה

סיכום

כאן, אנו מציגים פרוטוקול להפגין שיטת התנהגות המדגימה את האופן שבו מאפיינים חזותיים חלופיים, כגון אותות תנועה, משפיעים על החלטות כיווניות בדגים. נתונים מייצגים מוצגים על המהירות והדיוק שבו שיינר הזהב (הערות Crysoleucas) לעקוב אחר תנועות דגים וירטואליים.

תקציר

התנהגות קולקטיבית של החיות נובעת ממניעים אישיים ואינטראקציות חברתיות החיוניות לכושר אישי. לדגים הרבה מאוד חקירות בהשראת התנועה הקולקטיבית, במיוחד, יכולתם לשלב מידע סביבתי וחברתי על פני ההקשרים האקולוגיים. הפגנה זו ממחישה טכניקות המשמשות לכמת את התגובות ההתנהגותית של דגים, במקרה זה, הזהב הפנס (הערות קריומיקויוס), לגירויים חזותיים באמצעות הדמיית מחשב וניתוח תמונה דיגיטלית. הפיתוחים האחרונים בהדמיה ממוחשבת מאפשרים בדיקה אמפירית במעבדה שבה ניתן לשלוט בתכונות חזותיות ולהשפיע בעורמה כדי לבודד את מנגנוני האינטראקציות החברתיות. מטרת שיטה זו היא לבודד תכונות חזותיות שיכולות להשפיע על החלטות כיווניות של הפרט, בין אם בודד או עם קבוצות. פרוטוקול זה מספק פרטים בתחום הפיזי של מבוך Y, ציוד הקלטה, הגדרות וכיול של המקרן וההנפשה, שלבים ניסיוניים וניתוחי נתונים. טכניקות אלה מציגות שהנפשת המחשב עלולה לעורר תגובות ביולוגית בעלת משמעות. כמו-כן, הטכניקות מסתגלות בקלות לבדיקת השערות, תחומים ומינים חלופיים למגוון רחב של יישומים ניסיוניים. השימוש בגירויים וירטואליים מאפשר הפחתה והחלפה של מספר בעלי החיים החיים הנדרשים, וכתוצאה מכך מפחית את הוצאות המעבדה.

הפגנה זו בודקת את ההשערה כי הבדלים יחסיים קטנים במהירויות התנועה (2 אורך הגוף לשנייה) של הקשר הווירטואלי ישפרו את המהירות ואת הדיוק שבו הנוצצים לעקוב אחר רמזים כיוונים שסופקו על ידי הווירטואלי צלליות. תוצאות מראות כי החלטות שינרים כיוונית מושפעים באופן משמעותי על ידי עליות במהירות של רמזים חזותיים, אפילו בנוכחות של רעש רקע (67% התמונה קוהרנטיות). בהעדר הוראות תנועה, הנבדקים בחרו את ההנחיות שלהם באופן אקראי. הקשר בין מהירות ההחלטות ומהירות הרמיזה היה משתנה והגדילה במהירות האות הייתה השפעה צנועה בלתי פרופורציונלית על דיוק כיווני.

מבוא

בעלי חיים חשים ומפרשים את בית הגידול שלהם ברציפות כדי לקבל החלטות מושכלות בעת האינטראקציה עם אחרים וניווט בסביבה רועשת. אנשים יכולים לשפר את המודעות שלהם וקבלת החלטות על ידי שילוב מידע חברתי למעשיהם. מידע חברתי, עם זאת, נובע במידה רבה מן היסק באמצעות רמזים לא מכוונים (כלומר, תמרונים פתאומיים כדי למנוע טורף), אשר יכול להיות לא אמין, ולא באמצעות אותות ישירים אשר התפתחו כדי לתקשר הודעות ספציפיות (למשל, העגלה רקוד בדבורי דבש1. זיהוי האופן שבו אנשים מעריכים במהירות את הערך של רמזים חברתיים, או כל מידע חושי, יכול להיות משימה מאתגרת עבור חוקרים, במיוחד כאשר אנשים נוסעים בקבוצות. החזון ממלא תפקיד חשוב המסדירים אינטראקציות חברתיות2,3,4 ומחקרים הדגיבו את רשתות האינטראקציה שעלולות להתעורר בבתי ספר לדגים המבוססים על שדה השקפה5של כל אדם, . שישה מטרים בתי ספר לדגים הם מערכות דינמיות, עם זאת, ומקשה על בידוד תגובות בודדות לתכונות מסוימות, או התנהגויות שכנה, בשל הקוטביות הטבועה וגורמים מייסדים הנובעים מאינטראקציות בין חברי הקבוצה. מטרת פרוטוקול זה היא להשלים את העבודה הנוכחית על-ידי בידוד האופן שבו תכונות חזותיות חלופיות יכולות להשפיע על החלטות כיווניות של אנשים המטיילים לבד או בתוך קבוצות.

היתרון של הפרוטוקול הנוכחי הוא לשלב ניסוי מניפולטיבי עם טכניקות ויזואליזציה של המחשב כדי לבודד את התכונות החזותיות היסודיים שאדם עשוי לחוות בטבע. באופן ספציפי, Y-מבוך (איור 1) משמש לכווץ בחירה כיוונית לתגובה בינארית ולהציג תמונות אנימציה מחשב שנועד לחקות את התנהגויות שחייה של שכנים וירטואליים. תמונות אלה מוקרן מתחת למבוך לחקות את הצלליות של שחייה הפרטים מתחת אחד או יותר הנושאים. המאפיינים החזותיים של צלליות אלה, כגון מורפולוגיה, מהירות, קוהרנטיות, והתנהגות שחייה מותאמים בקלות כדי לבדוק השערות חלופיות7.

נייר זה מדגים את כלי השירות של גישה זו על ידי בידוד כיצד אנשים של מודל מיני דגים חברתיים, את הפנס הזהוב (הקפאת מיגונאס), להגיב למהירות היחסית של שכנים וירטואליים. מוקד הפרוטוקול, כאן, הוא האם ההשפעה הכוללת של השכנים הוירטואליים משתנה עם המהירות שלהם, ואם כן, מכמת את הצורה של מערכת היחסים הנצפתה. במיוחד, הרמז הכיווני נוצר על ידי בעל חלק קבוע של הצלליות לפעול כמנהיגים ולנוע באופן מידי לעבר זרוע אחת או אחרת. הצלליות הנותרות מתנהגות כשחקנים מתנווננים על-ידי הזזת באופן אקראי כדי לספק רעשי רקע שניתן לכוונן על-ידי התאמת יחס המנהיג/שחקן ההסיח. יחס המנהיגים להסיח את דעתו של האותות הכיוורים וניתן להתאימו בהתאם. הצלליות של השחקן יישארו מוגבלים לאזור ההחלטה ("DA", איור 1A) על-ידי הצלליות שישקפו את הגבול. מנהיג צלליות, עם זאת, מותר לעזוב את אזור DA ולהיכנס לזרוע המיועד שלהם לפני התפוגגות לאט ברגע הצלליות חצה 1/3 אורך הזרוע. כאשר מנהיגים עוזבים את התובע המחוזי, מנהיג חדש צלליות לתפוס את מקומם ולשחזר את הנתיב המדויק שלהם כדי להבטיח כי היחס מנהיג/שחקן נשאר קבוע התובע המחוזי במהלך הניסוי.

השימוש בדגים וירטואליים מאפשר לשלוט במידע החושי החזותי, תוך ניטור התגובה היוונית של הנושא, העשוי לחשוף את המאפיינים החדשניים של ניווט חברתי, תנועה או קבלת החלטות בקבוצות. הגישה המשמשת כאן יכולה להיות מיושמת על מגוון רחב של שאלות, כגון השפעות של לחץ תת-קטלני או מחלה על אינטראקציות חברתיות, על ידי מניפולציה של אנימציה המחשב כדי לייצר דפוסים התנהגותיים של מורכבות שונות.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

כל הפרוטוקולים הניסיוניים אושרו על ידי טיפול בעלי חיים מוסדיים ועדת השימוש של המעבדה הסביבתית, ארה ב מהנדס צבא ומחקר ופיתוח מרכז, Vicksburg, MS, ארה ב (IACUC 2013-3284-01).

1. עיצוב מבוך חושי

  1. ערוך את הניסוי בפלטפורמת Y-מבוך אטומה למדי (שנעשתה בתוך הבית) הנמצאת על גבי פלטפורמת תמיכה שקופה בחדר ייעודי. כאן הפלטפורמה היא 1.9 ס"מ עבה נתמך על ידי 4 7.62 ס מ הקורות של אלומיניום הבלטת כי הוא 1.3 m ברוחב, 1.3 m באורך, ו 0.19 m בגובה.
  2. בניית אזורי ההחזקה וההחלטה להיות זהים בבנייה (איור 1A). כאן, הזרועות Y-מבוך הם 46 ס"מ אורך, 23 ס"מ רוחב, ו 20 ס"מ לעומק עם אזור החלטה מרכזי כ 46 ס מ קוטר.
  3. לדבוק במסך הפרויקט הלבן בחלק התחתון של מבוך Y עבור הקרנת גירויים חזותיים לתוך התחום.
  4. מעילים את הצדדים של מבוך Y עם ויניל לבן כדי להגביל גירויים חזותיים חיצוניים.
  5. התקן שער ברור שבשליטת מרחוק (דרך מונופינט ברור) כדי לחלק את אזור ההחזקה מאזור ההחלטה המרכזי כדי לשחרר את הנושאים למבוך לאחר הסתגלות.
  6. מניחים וילונות נוספים כדי למנוע מהדגים להציג אורות, דיור וציוד, כגון תריסים בהירים המגיעים לרצפה במסגרות הדלת כדי למזער את אפקטי האור ואת תנועות הצל מהחדר או מהמסדרון החיצוניים.

2. ציוד הקלטה

  1. בחר מצלמת תקורה (שחור ולבן) בהתבסס על הניגודיות הנחוצה בין תמונת הרקע, הדג הווירטואלי והדג נושא.
  2. התקן מצלמת תקורה כדי להקליט את המבוך מלמעלה ולהקליט את התנהגויות הדג ואת התחזיות החזותיות.
    1. להדגמה זו, השתמש במצלמות ה-b/w ג'יגה-בתים (GigE), כגון 9 כבלי IP שצורפו למחשב באמצעות כרטיס Ethernet בנפח 1 ג'יגה-בתים בחדר בקרה.
  3. חבר את המצלמה למחשב בחדר סמוך שבו המתבונן יכול לשלוט מרחוק בשער, תוכנית גירויים חזותיים, המצלמה הקלטת תוכנה.
  4. ודא שהגדרות המצלמה מופיעות בשיעורי דגימה ותדר המונעים כל השפעה מהבהבת, המתרחשת כאשר המצלמה והתוכנה מחוץ לשלב עם אורות החדר.
    1. בדוק את תדר החשמל של המיקום; הסטת קצב דגימת המצלמה (מסגרות לשניה, fps) כדי למנוע הבהוב על-ידי הכפלה או חילוק של תדר ה-AC במספר שלם.
  5. הגדר את הגדרות המצלמה כך שבהירות התמונה תהיה ממוטבת באמצעות התוכנה והמחשב כדי להמחיש את ההתנהגויות הרלוונטיות.
    1. להדגמה זו, לבצע דגימה ב 30 fps עם רזולוציה מרחבית של 1280 פיקסלים x 1024 פיקסלים.

3. כיול הגדרות תאורה, מקרן ומצלמה

  1. התקינו ארבע מערכות תאורה מעקב לאורך קירות החדר הנסיוני.
  2. התקן בוררי בקרה מתכווננים לנוריות המספקות גמישות רבה יותר בהשגת תאורת הסביבה הנכונה של החדר.
  3. הצב את הנוריות כדי למנוע השתקפויות במבוך (איור 1B).
  4. אבטח מקרן לזריקה קצרה (ST) לקצה התחתון של מבנה התמיכה של המבוך (איור 1C).
    1. בחר ברזולוציית ההקרנה (מוגדרת ל-1440 פיקסלים x 900 פיקסלים להדגמה זו).
  5. כוונן את רמות תאורת הסביבה, שנוצרו על-ידי אורות ומקרן התקורה, כדי להתאים את תנאי התאורה שנמצאו בחדר המגורים של הנושאים (כאן מוגדר ל-134 ± 5 lux במהלך ניסוי ההדגמה, המקבילה לתאורה טבעית ביום מעונן).
    1. נעל או סמן את המיקום של מתג עמעם כדי להקל ולעקביות במהלך ניסויים ניסיוניים.
  6. השתמש בתוכנית מציג המצלמה כדי להגדיר את המצלמה (ות) כדי לשלוט במצב חשיפה, רווח ובקרת איזון לבן.
    1. בהפגנה זו, להגדיר את הצופה מציג את "זריקה רציפה", 8000 μs זמן חשיפה, 0 לצבור, ו 96 איזון לבן, אשר מספק שליטה של הקלטת וידאו.

4. כיול תוכנית הקרנה חזותית: רקע

  1. להקרין רקע הומוגנית מעלה לתחתית המבוך ולמדוד עיוות אור מהמקרן. כאן נוצר הרקע באמצעות עיבוד (v .3), שהוא שולחן העוקב ופלטפורמה מתועדת היטב כדי ליצור פריטים חזותיים מותאמים אישית עבור פרוייקטים מדעיים (https://processing.org/examples/).
    1. צור תוכנית שתפעיל חלון עיבוד להיות מוקרן על החלק התחתון של המבוך. התאמה אישית של צבע הרקע של החלון מתבצעת באמצעות הפקודה רקע, המקבלת קוד צבע RGB. כמה מהתוכניות לדוגמא קטנות מצויים בערכות הלימוד של עיבוד (https://processing.org/tutorials/).
    2. השתמש בתוכנית צבע הרקע כדי לכייל את המקרן ואת תנאי התאורה החיצוניים.
  2. מדדו כל עיוות אור שנוצר על-ידי המקרן באמצעות תוכנית עיבוד תמונה כדי לזהות סטיות כלשהן מהרקע האחיד הצפוי שנוצר. השלבים הבאים חלים על שימוש ב-ImageJ (v. 1.52 h; https://imagej.nih.gov/ij/).
    1. לכידת תמונת מסגרת עדיין של מבוך Y מואר עם צבע הרקע אחיד ופתוח ב-ImageJ.
    2. השימוש בכלי קו ישר, מקוטע או ביד חופשית, משרטט קו אנכי ישר מהמיקום הבהיר ביותר במרכז הנקודה החמה לחלק העליון של מבוך Y (איור 2A).
    3. מתפריט הניתוח, בחרו ' התווה פרופיל ' כדי ליצור גרף של ערכי קנה מידה אפורים לעומת מרחק בפיקסלים.
    4. שמור נתוני פיקסלים כקובץ מופרד באמצעות פסיקים (סיומת קובץ. csv) המורכב מעמודת אינדקס ומעמודת ערך פיקסל.
  3. יישר את אזור ההקרנה עם המבוך (איור 2B) והדגם כל עיוות אור לא רצוי כדי להקטין את עיוות הצבע שעשוי להיווצר על-ידי המקרן (איור 2b). להלן חלוקה לרמות של השלבים שננקטו בהפגנה הנוכחית.
    1. יבא את קובץ נתוני העוצמה של הפיקסלים ImageJ באמצעות פונקציית הקריאה המופרדת באמצעות טאבים (לדוגמה, read_csv מחבילת tidyverse לקריאה בקבצים המופרדים באמצעות פסיקים).
    2. חשב את השונות בעוצמת האור לאורך מעבר הדגימה, כגון באמצעות מקדם וריאציה, כדי לספק הפניית בסיס לרמת העיוות שנוצרה ברקע.
    3. הפוך את ערכי הפיקסלים הגולמיים כך שישקפו שינוי יחסי בעוצמה מהמבריקים ביותר עד למצב הנמוך ביותר, כאשר עוצמת הפיקסל הקטנה ביותר תיגש לערך צבע הרקע הרצוי שנבחר בתוכנית התמונה.
    4. מתווה את ערכי עוצמת השינוי בפיקסלים שמתחילים בחלק הבהיר ביותר של הסטייה, בדרך כלל מניב מגמה מנרקבת בערכי עוצמה כפונקציה של המרחק מהמקור. השתמש בריבועים לפחות לא ליניאריים ( nls) כדי להעריך את ערכי הפרמטרים המתאימים ביותר לנתונים (כאן, פונקציית ריקבון גאוסיאנית).
  4. צור את מעבר הצבע של המונה באמצעות אותה תוכנית שאומצה כדי ליצור את תמונת מונה הרקע (עיבוד v .3) כדי להקטין את עיוות הצבעים שעשוי להיווצר על-ידי המקרן באמצעות R (v. 3.5.1).
    הערה: פונקציית מעבר הצבע תיצור סדרה של עיגולים קונצנטריים הממורכז במקום הבהיר ביותר בתמונה המשתנים בעוצמת הפיקסל כפונקציה של המרחק מהמרכז. הצבע של כל טבעת מוגדר על-ידי חיסור השינוי בעוצמת הפיקסל החזוי על-ידי המודל מצבע הרקע. בהתאמה, רדיוס טבעת גדל עם מרחק מהמקור גם. המודל המתאים ביותר צריך להפחית, אם לא לחסל, כל עוצמת פיקסל על פני מעבר הצבע כדי לספק אחידות הרקע.
    1. צור מעבר צבע גאוסיאני (figure-protocol-1) באמצעות תוכנית הגירוי החזותית על-ידי התאמת הפרמטרים הדרושים.
      1. פרמטר a משפיע על הבהירות/האפלה של מעבר הצבע של התפלגות גאוס. ככל שהערך גבוה יותר, מעבר הצבע כהה יותר.
      2. פרמטר b משפיע על השונות של מעבר הצבע. ככל שהערך גדול יותר, הדרגה הרחבה יותר מורחבת תרחיב לפני החלקה לעוצמת פיקסל הרקע הרצויה, c.
      3. פרמטר c קובע את עוצמת פיקסל הרקע הרצויה. ככל שהערך גדול יותר, הרקע כהה יותר.
    2. שמור את התמונה בתיקיה באמצעות הפונקציה Saveframe , כך שניתן להעלות תמונת רקע קבועה במהלך הניסויים כדי למזער את טעינת הזיכרון בעת עיבוד הגירויים במהלך ניסוי ניסיוני.
    3. הפעל משוב את תוכנית יצירת הרקע ובדוק את התוצאות באופן חזותי, כמוצג באיור 2C. חזור על שלב 4.3 כדי לכמת את כל השיפורים שנצפו בהפחתת מידת ההשתנות בעוצמת האור על פני המדגם.
  5. באופן אמפירי, התאימו את רמות התאורה, את פרמטרי המודל, או את המרחק המכוסה ב-רוחבם (לדוגמה, רדיוס חיצוני של מעבר הדרגתי של המונה) כדי לבצע התאמות ידניות נוספות עד שערכי RGB של אזור ההתאמה יהיו דומים לאזור ההחלטה. פרמטרים מודל במבחן זה היו: a = 215, b = 800, ו-c = 4.
  6. הוסף את המסנן הסופי לתוכנית גירויים חזותיים בניסוי.

5. כיול תוכנית הקרנה חזותית: גירויים חזותיים

הערה: עיבוד והנפשה של גירויים חזותיים ניתן לעשות גם בעיבוד באמצעות השלבים שלהלן כמדריכים יחד עם הדרכות של הפלטפורמה. שרטוט של הלוגיקה של התוכנית הנוכחית מסופקת (איור 3) ופרטים נוספים ניתן למצוא ב Lemasson ואח '. (2018)7. השלבים הבאים מספקים דוגמאות לשלבי הכיול שננקטו בניסוי הנוכחי.

  1. פתח את תוכנית ההקרנה החזותית Vfish. pde כדי למרכז את ההקרנה בתוך אזור ההחלטה של המבוך (איור 1A) ולכייל את התחזיות החזותיות המבוססות על השערות נבדק (למשל, לכייל את הגודל ואת המהירויות של הצלליות להתאים אלה של הנבדקים. כיול מכוונים ידנית בכותרת של התוכנית הראשית (Vfish. pde) באמצעות דגלי איתור באגים שנבחרו מראש. במצב איתור באגים (DEBUG = TRUE) צעד ברצף דרך כל דגל DEBUGGING_LEVEL_ (מספרים 0-2) כדי לבצע את ההתאמות הנחוצות
    1. הגדר את הדגל DEBUGGING_LEVEL_0 כ-' true ' והפעל את התוכנית על-ידי לחיצה על סמל ההפעלה בחלון השרטוט. שנה את ערכי מיקום x ו-y (פרמטרי קבוצת מחשבים dx ו-dy, בהתאמה) עד למרכוז ההקרנה.
    2. הגדר את DEBUGGING_LEVEL_1 ל-' true ' כדי לשנות את גודל צללית הדגים (שנוצרה כאליפסה). הפעל את התוכנית ולאחר מכן התאם את הרוחב (א) ואת האורך (eL) של האליפסה עד שיתאים לגודל הממוצע של נושאי הבדיקה. לאחר מכן, הגדר את DEBUGGING_LEVEL_2 ' true ' כדי לכוונן את מהירות הבסיס של הצלליות (ss).
    3. הגדר את DEBUG = FALSE כדי לצאת ממצב איתור באגים.
  2. בדוק שצלליות ההסיח של הדעת יישארו מואזורים באזור ההחלטה (DA, איור 1A), כי מסלולי הצללית של המנהיג מיושרים כראוי עם כל אחת מהזרועות, וכי יחס המנהיג/שחקן ההסיח בתוך התובע המחוזי נשאר קבוע.
  3. צעד באמצעות GUI של התוכנית כדי להבטיח פונקציונליות של האפשרויות.
  4. בדוק שהנתונים נכתבים כראוי לקובץ.
  5. ודא שתוכנת ההקלטה יכולה לעקוב אחר הדג בנושא התחזיות החזותיות במקום. שלבים למעקב אחר דגים תוארו בעבר Kaidanovich ' ברלין ואח ' (2011)8, הולקומב ואח ' (2014)9, הדרך et al. (2016)10 ו ג'אנג ואח ' (2018)11.

6. הכנה לבעלי חיים

  1. בחר את מיני הנושא על בסיס שאלת המחקר והיישום, כולל מין, גיל, גנוטיפ. הקצה נושאים למיכלי ההחזקה הניסיונית והקלט סטטיסטיקה ביומטרית בסיסית (לדוגמה, אורך הגוף והמסה).
  2. הגדר את תנאי הסביבה במבוך של מערכת ההחזקה. תנאי המים לניסויים בסיסיים של התנהגות מתקיימים לעתים קרובות באופן אופטימלי למינים ולכיוונון התחום הניסיוני.
    1. בהפגנה זו, להשתמש בתנאים הבאים: 12 h אור/12 h מחזור כהה, תקורה הבהוב ללא הלוגן אורות להגדיר 134 ± 5 לוקס, 22 ± 0.3 ° צ', 97.4 ± 1.3% הומס חמצן, ו-pH של 7.8 ± 0.1.
  3. Habituate בעלי החיים על-ידי העברתם לתחום למשך עד 30 דקות ליום למשך 5 ימים ללא גירויים חזותיים שנוצרו על-ידי המחשב (למשל, הדגים צלליות) לפני תחילת הניסויים הניסיוניים.
  4. ודא כי הדג הנושא באותו זמן נבחר, מוקצה, שקלו, נמדד והועבר לטנקים ניסיוניים.
    הערה: כאן, הזהב Shiners אורך סטנדרטי משקל רטוב היו 63.4 ± 3.5 mm SL ו 1.8 ± 0.3 g WW, בהתאמה.
  5. השתמשו בהעברת מים למים בעת הזזת דגים בין טנקים ומבוך כדי להפחית את הלחץ מטיפול וחשיפה לאוויר.
  6. ערוך ניסויים במהלך מחזור אור קבוע המשקף את הקצב הביולוגי הטבעי של הנבדקים. דבר זה מאפשר לנושאים להיות מוזנים בסוף הניסויים הניסיוניים של כל יום כדי להגביל את השפעות העיכול על התנהגות.

7. הליך ניסיוני

  1. הפעל את מקרן החדר ואת מערכות המסלול אור LED לרמה הקבועה מראש של בהירות (בהפגנה זו 134 ± 5 lux) המאפשר נורות לחמם (כ 10 דקות).
  2. פתח את תוכנית מציג המצלמה וטען את ההגדרות עבור מפתח, צבע, והקלטה שנשמרה מתוכנית ההתקנה כדי להבטיח וידאו באיכות הטובה ביותר ניתן להשיג.
    1. פתח את מציג Pylon ולהפעיל את המצלמה כדי לשמש להקלטה.
    2. בחר ' טען תכונות ' מהתפריט הנפתח של המצלמה ונווט אל תיקיית הגדרות המצלמה השמורה.
    3. פתח את ההגדרות שנשמרו (כאן מתויג כ camerasettings_20181001) כדי להבטיח איכות וידאו ולחץ על צילום מתמשך.
    4. סגור את מציג Pylon.
  3. פתח את תוכנית ההקרנה החזותית Vfish. pde ובדוק כי ההקרנה נותרת ממורכזת במבוך, שהתיקיה DataOut ריקה ושהתוכנית פועלת כמצופה
    1. בדוק שטבעת הכיול ממורכזת ב-DA באמצעות שלב 5.1.1.
    2. פתח את התיקיה DataOut כדי לוודא שהיא ריקה למשך היום.
    3. הפעל את תוכנית גירויים חזותיים על ידי לחיצה על המחזה בחלון סקיצה של Vfish. pde ולהשתמש במשתני דמה כדי להבטיח פונקציונליות של התוכנית.
      1. הזן מספר מזהה דג (1-16), הקש Enterולאחר מכן אשר את הבחירה על-ידי הקשה על Y או N עבור כן או לא.
      2. הזן גודל קבוצה (קבוע כאן ב-1) ואשר בחירה.
      3. הזן את מהירות הצללית הרצויה (0-10 BL/s) ואשר בחירה.
      4. הקש Enter כדי לנוע מעבר לתקופת ההסתגלות ולבדוק את הקרנת הדג הווירטואלי באזור ההחלטה.
      5. הקש על השהה כדי להשהות את התוכנית ולהזין את הבחירה התוצאה דמה, כלומר, שמאל (1) או ימינה (2).
      6. לחץ על Stop כדי לסיים את התוכנית ולכתוב את הנתונים לקובץ.
    4. בדוק שהנתונים נכתבו כהלכה לקובץ בתיקיה DataOut והתחבר לקובץ בתור בדיקה בהערות המעבדה לפני הכניסה לתחום לצורך הסתגלות.
  4. השימוש בשעון זמן סטופר כדי לפתוח את זמני התחלה ולהפסיק את המשפט במחברת מעבדה כדי להשלים את זמני שחלף שניתן לחלץ מאוחר יותר מהפעלת וידאו בשל משך הזמן הקצר של כמה משפטי שכפול.
  5. ערוך שינוי במים (למשל, 30%) באמצעות מים sump מערכת החזקת לפני העברת נושא למבוך.
  6. ודא שאיכות המים דומה בין המבוך למערכת האחיזה, ובדוק את תפקוד השער כדי לוודא שהוא מחליק בצורה חלקה עד לגובה המים.
  7. באמצעות לוח הזמנים הניסיוני שנקבע מראש, אשר יש חשיפות בנושא אקראי לטיפול במהלך הניסוי, הזן את הערכים שנבחרו למשפט הנוכחי (לעצור במסך האקטיזציה, צעדים 7.3.3.1-7.3.3.3).
    1. הקלט את שילוב הנתונים. במחברת המעבדה
  8. העבר את הנושא לאזור החזקת Y-מבוך לתקופת הסתגלות של 10 דקות.
  9. הפעל את הקלטת הווידאו ולאחר מכן הכה את מקש ההחזרה בחלון vfish. pde בסוף תקופת הסתגלות. . זה יגרום לתחזיות החזותיות
  10. כאשר הדג הווירטואלי מופיע בתחום, רשום את זמן השעון והרם את שער ההחזקה (איור 4A).
  11. סיים את המשפט כאשר 50% מהגוף של הנבדק נע לתוך זרוע בחירה (איור 4B) או כאשר פרק הזמן המיועד חולף (למשל, 5 דקות).
    1. העבר את זמן השעון, התחל והפסק את זמני הסטופר, ואת הבחירה של הנושאים (כלומר, שמאל (1), ימין (2), או לא ברירה (0)).
    2. הפסק את הקלטת הווידאו והקש על השהה בתוכנית גירויים חזותיים, שתנחה את המשתמש לנתוני תוצאת הניסיון (מספר הזרוע שנבחר או 0 כדי לציין שלא ביצע בחירה). לאחר אישור הבחירה, התוכנית תחזור למסך הראשון ותחכה לערכים הצפויים לניסוי הנסיוני הבא.
  12. לאסוף את הנושא ולהחזיר אותו טנק מחזיק בהתאמה. חזור על שלבים 7.7-7.13 עבור כל משפט.
  13. בסיום הפעלה (AM או PM) לחץ על הפסק בתוכנית לאחר שהדג האחרון של ההפעלה קיבל החלטה. הקשה על עצירה תרשום את נתוני ההפעלה החוצה לקובץ.
  14. חזרו על החלפת המים בתום ישיבת הבוקר כדי להבטיח יציבות באיכות המים.
  15. לאחר המשפט האחרון של היום, לבדוק את המחברת מעבדה ולעשות כל הערות נחוצות.
    1. לחץ על Stop בתוכנית גירויים חזותיים כדי להפיק פלט של הנתונים שנאספו לתיקיה dataout, לאחר המשפט האחרון של היום.
  16. בדוק את המספר, השם והמיקום של קבצי הנתונים שתוכנית ההדמיה נשמרה.
  17. להתחבר לאיכות המים, יחד עם רמות אור בחדר המבוך כדי להשוות עם הגדרות הבוקר. מניחים את מערכת האוורור והתנורים לתוך מבוך Y.
  18. כבו את המקרן ואת תאורת המעקב של החדר הנסיוני.
  19. להאכיל דגים את הקצבה היומית הקבועה מראש.

8. ניתוח נתונים

  1. ודא שהנתונים הניסיוניים מכילים את המשתנים הנחוצים (לדוגמה, תאריך, ניסיון, מזהה נושא, זרוע שנבחרה על-ידי תוכנית, גורמים חזותיים שנבדקו, בחירת נושא, זמני התחלה ועצירה והערות).
  2. בדוק אם קיימות שגיאות הקלטה (המושרה על-ידי אדם או תוכנית).
  3. היענות לטאבקה ובדיקת סימנים של כל מעבר כיווני בחלק של הנושאים (למשל, בדיקה בינומית על בחירת זרוע במצב בקרה)7.
  4. כאשר הניסוי מתוכנן באמצעות מדידות חוזרות ונשנות על אותם אנשים, כמו במקרה זה, השימוש במודלים של אפקטים מעורבים הוא הציע.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

השערה ועיצוב

כדי להדגים את השירות של מערכת ניסיונית זו בדקנו את ההשערה כי את הדיוק שבו הזהב הזהוב לעקוב אחר הרמז החזותי ישתפר עם מהירות של המקל הזה. סוג פראי פנס הזהב שימשו (N = 16, אורך הגוף, BL, ומשקולות רטוב, WW, היו 63.4 ± 3.5 mm ו 1.8 ± 0.3 g, בכבוד). הקוהרנטיות של הגירויים החזותיים (יחס המנהיג/שחקן ההסיח) תוקנו ב-0.67, בעוד שאנו מניפולציה את המהירות שבה מהירות התנועה שלנו (כלומר, המנהיגים) הועברו ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

רמזים חזותיים ידועים להפעיל תגובה optomotor בדגים החשופים שחור ולבן13 , יש הגוברת הוכחה תיאורטית ואמפירית כי מהירות השכן ממלאת תפקיד השפעה בשליטה על אינטראקציות דינמיות נצפתה בבתי ספר לדגים7,14,15,16,17. השערות מנוגדות קיימות כדי להסביר כיצד אנשים בקבוצות משלבים תנועות שכן, כגון מגיבים באופן פרופורציונלי לכל הרמזים הניכרת

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

כל המחברים תרמו לתכנון הניסיוני, ניתוח וכתיבת נייר. A.C.U. ו-C.M.W. התקנה ואסף את הנתונים. . למחברים אין מה לגלות

תודות

אנחנו מודים לבריטון הייקסון. על סיוע ההתקנה תוכנית זו נתמכת על ידי תוכנית המחקר הבסיסי, איכות הסביבה ומתקנים (EQI; ד ר אליזבט פרגוסון, מנהל טכני, ארה ב מרכז מחקר ופיתוח מהנדס צבאי.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
מצלמת IP בשחור לבןנולדוס, ליסבורג, וירג'יניה, ארה"בhttps://www.noldus.com/
אלומיניום מוחצן80/20 בע"מ, קולומביה סיטי, אינדיאנה, ארה"ב3030-Shttps://www.8020.net 3.00 אינץ' X 3.00 אינץ' פרופיל מחורץ T חלק, שמונה חריצי T פתוחים
מתנע דג סנפיר עם Vpak, כדורים מוחצנים 1.5 מ"מZeigler Bros. Inc., Gardners, PA, USAhttp://www.zeiglerfeed.com/
זוהר זהבחוות סול מינו, AR, ארה"בhttp://saulminnow.com/
ImageJ (v 1.52h) תוכנה חופשיתהמכון הלאומי לבריאות (NIH), ארה"בhttps://imagej.nih.gov/ij/
תאורת מסלול LEDLithonia Lightening, Conyers, GA, USABR20MW-M4https://lithonia.acuitybrands.com/residential-track
Oracle 651 ויניל בחיתוך לבן651Vinyl, לואיוויל, קנטקי, ארה"ב651-010M-12:5fthttp://www.651vinyl.com. ניתן להזמין גדלים שונים.
מקרן עילי PowerLite 570Epson, לונג ביץ', קליפורניה, ארה"בV11H605020
https://epson.com/For-Work/Projectors/Classroom/PowerLite-570-XGA-3LCD-Projector/p/V11H605020 ProcessingFoundationhttps://processing.org/
R (3.5.1) תוכנה חופשיתR למחשובhttps://www.r-project.org/
אולטרה-לבן מסך קולנוע 360פתרונות מסך אלטרנטיביים, קלינטון, מישיגן, ארה"ב1950https://www.gooscreen.com. חייב לקרוא למערכת Z-Hab בגודל חיתוך מיוחד
Pentair Aquatic Ecosystems, אפופקה, פלורידה, ארה"בhttps://pentairaes.com/. התקשרו לפרטים ומידות.
פרויקט סטטיסטי

מקורות

  1. Dall, S. R. X., Olsson, O., McNamara, J. M., Stephens, D. W., Giraldeau, L. A. Information and its use by animals in evolutionary ecology. Trends in Ecology and Evolution. 20 (4), 187-193 (2005).
  2. Pitcher, T. Sensory information and the organization of behaviour in a shoaling cyprinid fish. Animal Behaviour. 27, 126-149 (1979).
  3. Partridge, B. The structure and function of fish schools. Scientific American. 246 (6), 114-123 (1982).
  4. Fernández-Juricic, E., Erichsen, J. T., Kacelnik, A. Visual perception and social foraging in birds. Trends in Ecology and Evolution. 19 (1), 25-31 (2004).
  5. Strandburg-Peshkin, A., et al. Visual sensory networks and effective information transfer in animal groups. Current Biology. 23 (17), R709-R711 (2013).
  6. Rosenthal, S. B., Twomey, C. R., Hartnett, A. T., Wu, S. H., Couzin, I. D. Behavioral contagion in mobile animal groups. Proceedings of the National Academy of Sciences (U.S.A.). 112 (15), 4690-4695 (2015).
  7. Lemasson, B. H., et al. Motion cues tune social influence in shoaling fish. Scientific Reports. 8 (1), e9785(2018).
  8. Kaidanovich-Beilin, O., Lipina, T., Vukobradovic, I., Roder, J., Woodgett, J. R. Assessment of social interaction behaviors. Journal of Visualized. Experiments. (48), e2473(2011).
  9. Holcombe, A., Schalomon, M., Hamilton, T. J. A novel method of drug administration to multiple zebrafish (Danio rerio) and the quantification of withdrawal. Journal of Visualized. Experiments. (93), e51851(2014).
  10. Way, G. P., Southwell, M., McRobert, S. P. Boldness, aggression, and shoaling assays for zebrafish behavioral syndromes. Journal of Visualized. Experiments. (114), e54049(2016).
  11. Zhang, Q., Kobayashi, Y., Goto, H., Itohara, S. An automated T-maze based apparatus and protocol for analyzing delay- and effort-based decision making in free moving rodents. Journal of Visualized. Experiments. (138), e57895(2018).
  12. Videler, J. J. Fish Swimming. , Netherlands. Springer. 260 pp., ISBN-13 9789401115803 (1993).
  13. Orger, M. B., Smear, M. C., Anstis, S. M., Baier, H. Perception of Fourier and non-Fourier motion by larval zebrafish. Nature Neuroscience. 3 (11), 1128-1133 (2000).
  14. Romey, W. L. Individual differences make a difference in the trajectories of simulated schools of fish. Ecological Modeling. 92 (1), 65-77 (1996).
  15. Katz, Y., Tunstrom, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences (U.S.A.). 108 (46), 18720-18725 (2011).
  16. Herbert-Read, J. E., Buhl, J., Hu, F., Ward, A. J. W., Sumpter, D. J. T. Initiation and spread of escape waves within animal groups). Proceedings of the National Academy of Sciences (U.S.A.). 2 (4), 140355(2015).
  17. Lemasson, B. H., Anderson, J. J., Goodwin, R. A. Motion-guided attention promotes adaptive communications during social navigation. Proceedings of the Royal Society. 280 (1754), e20122003(2013).
  18. Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences (U.S.A.). 108 (17), 6884-6888 (2011).
  19. Bianco, I. H., Engert, F. Visuomotor transformations underlying hunting behavior in zebrafish). Current Biology. 25 (7), 831-846 (2015).
  20. Chouinard-Thuly, L., et al. Technical and conceptual considerations for using animated stimuli in studies of animal behavior. Current Zoology. 63 (1), 5-19 (2017).
  21. Nakayasu, T., Yasugi, M., Shiraishi, S., Uchida, S., Watanabe, E. Three-dimensional computer graphic animations for studying social approach behaviour in medaka fish: Effects of systematic manipulation of morphological and motion cues. PLoS One. 12 (4), e0175059(2017).
  22. Stowers, J. R., et al. Virtual reality for freely moving animals. Nature Methods. 14 (10), 995-1002 (2017).
  23. Warren, W. H., Kay, B., Zosh, W. D., Duchon, A. P., Sahuc, S. Optic flow is used to control human walking. Nature Neuroscience. 4 (2), 213-216 (2001).
  24. The IACUC Handbook. Silverman, J., Suckow, M. A., Murthy, S. , 3rd Edition, CRC Press, Taylor and Francis. 827 pp., ISBN-13 9781466555648 (2014).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

YGolden Shiners

מאמרים קשורים