Name: Cohoused 水生動物の長期のビデオ追跡: ノルウェー オマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例 (動画) | JoVE Journal
Uploaded: 2019-04-08T13:00:00.000+00:00
Duration: 5 min 57 s
Description: 学ぶノルウェーオマール海老の長期ビデオ追跡法。個体識別タグとコンピュータビジョンを用いて、行動リズムの自動解析を実現します。生体リズム学や神経科学の研究に応用可能です。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

著者は、この作品の出版を資金博士ジョアン * 会社に感謝しています。また、著者らは、実験的な作品の中に彼らの助けのための実験的水族館ゾーン バルセロナ (ICM CSIC) 海洋科学研究所の技術者に感謝しています。
この作品は、RITFIM プロジェクトによって支えられた (CTM2010 16274; 主任: J. 阻害される) スペイン語省、科学とイノベーション (MICINN) とスペイン語省経済と競争力から TIN2015 66951 C2 2 R の助成金によって設立されました。

著者が明らかに何もありません。

ビデオ追跡プロトコルにより得られたパフォーマンスと代表の結果は、社会的変調と cohoused 動物の概日リズムの特定の焦点と、動物行動の分野での応用研究の有効性を確認しました。動物検出 (69%) の効率化タグ差別 (89.5%) の精度使用対象種の行動特性 (すなわち、運動率) と相まってここでこのプロトコルである長期的な実験 (例えば、数日から数週間) に最適なソリューションを提案します。また、プロトコルが使いやすく、その開発に高速であることの基本的な利点を提供しています、カスタマイズに関するその他のテクニック、自動学習アルゴリズムなどとニューラル ネットワーク43。ここで使用されるトラッキング技術は、44のわずかに異なるアプローチを開始した実験的アクティビティの最終的な絞り込みを表しています。
プロトコルの重要なステップは、タグのデザイン。他のタグのデザインの実装が大津の二値化のパフォーマンスを改善できることを検討します。たとえば、エラーの原因の 1 つはここでタグの円の外の黒と...

ここ数年でイメージ ベースの自動追跡は生態および行動の訓練1の基本的な質問を探検する使用ことができる高精度なデータセットを提供しています。これらのデータセットは、動物の行動2,3の定量分析に使用できます。ただし、動物と行動評価を追跡するために使用される各画像の方法論は、その長所と短所。映画の前のフレームから空間情報を使用して、トラックの動物4,5,6イメージ ベースの追跡プロトコル、2 つの動物のパスが渡るときエラーを導入できます。これらのエラーは一般的に不可逆と反映されるまでの時間。この問題5,7をほぼ排除に削減したりコンピューターの進歩にもかかわらず正確な動物の個体識別と追跡のためこれらのテクニックは同種の実験環境をまだ必要があります。
動物を一意に識別することができますマークの雇用これらのエラーを回避し、識別された個人の長期的な追跡が可能します。広く使用されているマーカー (例えばバーコード、QR コード) 商工業の存在し、識別できるよく知られているコンピューター ビジョン技術を使用して拡張現実感など現実 (例えば、ARTag8) とカメラのキャリブレーション (例えば、CALTag9).タグ動物は隔離タグ3を認識するための例、アリ3または蜂10がこれらの以前のシステムのいくつかが最適化されていないため以前異なる動物種の高スループット行動研究のため使用されています。
本稿で示される追跡プロトコルが適しており、1 チャンネル画像、赤外線 (IR) や単色光などで動物を追跡するため (特に、青色光を使用)。したがって、開発メソッドはされても、その他の設定に適用されるカラー キューを使用しませんが照明で制約があります。さらに、我々 はロブスターを邪魔し、同時に低価格のカメラで記録を可能にしないように設計されているカスタマイズされたタグを使用します。さらに、ここで使用されるメソッドはフレームに依存しないタグ検出に基づいて (すなわち.、アルゴリズムに関係なく、以前の軌道イメージの各タグの存在を認識し)。この機能は、動物は一時的に遮蔽することができます、または動物の軌道が交差する可能性がありますに関連します。
タグのデザインは、動物の異なるグループにその使用をことができます。メソッドのパラメーターを設定した後は、特定の分類子 (他の甲殻類や巻貝) の訓練を必要とせず他の動物追跡の問題に取り組むために転送でした。プロトコルをエクスポートの主な制限は、タグとなる小さな昆虫、ハエ、蜂などには適していません) 動物への愛着の必要性と動物の動きの 2次元仮定のサイズです。この制約は重要な手法は、タグのサイズは一定前提としています。(例えば、魚) の 3 D 環境で自由に動く動物は、カメラへの距離に応じて別のタグのサイズを示すでしょう。
このプロトコルの目的は、時間 (数日または数週間など) の 2D コンテキストの長い期間にわたって複数のタグ動物を追跡するためのユーザーフレンドリーな方法を提供することです。方法論的アプローチは、オープン ソースのソフトウェアとハードウェアの使用に基づいています。フリーでオープン ソース ソフトウェアにより、適応、変更、および自由な再配布;したがって、生成されるソフトウェアが各ステップ11,12で向上します。
プロトコルは実験室を追跡し、5 日間のタンクの 4 つの水生動物の自発運動を評価するように設定に焦点を当てて紹介。動画ファイルは 1 秒のタイムラプス映像から記録あり (1 記録された日は、ビデオの約 1 時間を占めている) 1 秒あたり 20 フレームでビデオでコンパイルされます。すべてのビデオ録画が自動的にポストプロセッシング済みコンピューター ビジョン メソッドは、アルゴリズムを適用する動物の位置を取得します。プロトコルは、大量の追跡データ、時間かかると以前の実験論文13で示されている彼らの手動アノテーションを回避を取得できます。
ノルウェーのロブスター (アカザエビ norvegicus) を使用して、ケース ・ スタディのしたがって、我々 はそれらを維持するために種特異的な実験条件を提供します。ロブスターは概日時計の14,15の制御下にあるよく研究穴の出現リズムを行い、cohoused、支配階層16,17が形成します。したがって、ここに示すモデルは行動の概日リズムの特定の焦点との社会の変調に興味がある研究者の良い例です。
ここで紹介する方法は、再現が容易と個々 のタグを持つ動物を区別する可能性がある場合に他の種に適用できます。研究室では、このようなアプローチを再現するための最小要件が (i) 等温室実験のセットアップ;(ii) の連続的な水の供給;(iii) 水の温度制御機構;(iv) の調光システム。(v)、USB カメラと標準的なコンピューター。
このプロトコルでは、Python18と OpenCV19 (オープン ソース コンピューター ビジョン ライブラリ) を使用します。我々 高速で広く用いられているなどの操作 (実装および実行の点では両方) バック グラウンド減算20と画像閾値21,22に頼る。

<table><tbody><tr><td>Tripod 475</td><td>Manfrotto</td><td>A0673528</td><td>Discontinued</td></tr><tr><td>Articulated Arm 143</td><td>Manfrotto</td><td>D0057824</td><td></td></tr><tr><td>Discontinued Camera USB 2.0 uEye LE</td><td>iDS</td><td>UI-1545LE-M</td><td>https://en.ids-imaging.com/store/products/cameras/usb-2-0-cameras/ueye-le.html</td></tr><tr><td>Fish Eye Len Cマウント f = 6 mm/F1.4</td><td>Infaimon</td><td>Standard Optical&nbsp;</td><td>https://www.infaimon.com/es/estandar-6mm</td></tr><tr><td>グラスファイバータンク 1500 x 700 x 300 mm3</td><td></td><td></td><td></td></tr><tr><td>ブラック フェルト生地</td><td></td><td></td><td></td></tr><tr><td>木質構造タンク</td><td></td><td></td><td>5 ウッドストリップ 50x50x250 mm</td></tr><tr><td>ウッドストラクチャーフェルト生地</td><td></td><td></td><td>10 ウッドストリップ 25x25x250 mm</td></tr><tr><td>ステンレス鋼ネジ</td><td></td><td></td><td>ウッドストリップ構造 PC の固定に必要な数だけ</td></tr><tr><td></td><td></td><td></td><td>2コアCPU、4GBのRAM、1GBのグラフィックス、500GBのHD</td></tr><tr><td>外部ストレージHDD</td><td></td><td></td><td>2TBの容量が望ましい</td></tr><tr><td>Windows PC用のiSPYソフトウェア</td><td>iSPY</td><td></td><td>の https://www.ispyconnect.com/download.aspx</td></tr><tr><td>Zoneminderソフトウェア Linux PC</td><td>Zoneminder</td><td></td><td></td></tr> <tr><td>https://zoneminder.com/ OpenCV 2.4.13.6 ライブラリ</td><td>OpenCV</td><td></td><td>https://opencv.org/</td></tr> <tr><td>Python 2.4</td><td>Python</td><td></td><td></td></tr> <tr><td>https://www.python.org/ キャンプ用アイスボックス</td><td></td><td></td><td></td></tr><tr><td>プラスチックトレイ</td><td></td><td></td><td></td></tr><tr><td>シアノクリレートゲル</td><td></td><td></td><td>タグに接着」s&nbsp;</td></tr><tr><td>黒色PVCプラスチックシート(厚さ1mm)</td><td></td><td></td>1枚タグ<td>の構造白い</td></tr><tr><td>PVCプラスチックシート1枚(厚さ1mm)</td><td></td><td></td><td>タグの構造</td></tr><tr><td>4枚s &oslash;40 mm</td><td></td><td></td><td>、黒&白のPVCプラスチックシートでMaked</td></tr><tr><td>3 mブルーストリッドLEDライト(480 nm)</td><td></td><td></td><td>望ましいように防水</td></tr>3 <tr><td>m IRストリッドLEDリグト(850 nm)</td><td></td><td></td><td>望ましいように防水</td></tr>6 <tr><td>m&nbsp;メタクリレートパイプ&オスラッシュ;15 mm</td><td></td><td></td><td>密閉型ストリッド</td></tr><tr><td>LED4 PVCエルボ&nbsp; 45o&Oslash; 63 mm</td><td></td><td></td><td>穴穴構造</td></tr><tr><td>3 mフレキシブルPVCパイプ&Oslash; 63 mm</td><td></td><td></td><td>穴穴構造</td></tr><tr><td>4 PVCスクリューキャップ&Oslash; 63 mm</td><td>穴穴構造</td>4 Oリング&Oslash; 63 mm<td></td><td></td></tr><tr><td></td><td></td><td></td><td>穴穴構造</td></tr><tr><td>4メスPVCソケット接着剤/スレッド&オスラッシュ; 63 mm</td><td></td><td></td><td>バロー構造</td></tr><tr><td>10 m DC 12 V 電気ケーブル</td><td></td><td></td><td>光制御機構</td></tr><tr><td>Ligt 電源 DC 12 V 300 W</td><td></td><td></td><td>光制御機構</td></tr><tr><td>MOSFET、RFD14N05L、N-Canal、14 A、50 V、3ピン、IPAK (TO-251)</td><td>RSコンポーネント</td><td>325-7580</td><td>光制御機構</td></tr><tr><td>ダイオード、1N4004-E3/54、1A、400V、DO-204AL、2ピン</td><td>RSコンポーネント</td><td>628-9029</td><td>調光機構</td></tr><tr><td>ヒューズホルダ</td><td>RSコンポーネンツ</td><td>336-7851</td><td>調光機構</td></tr><tr><td>2ウェイパワーターミナル 3.81 mm</td><td>RSコンポーネンツ</td><td>220-4658</td><td>調光機構</td></tr><tr><td>コンデンサー220 & マイクロ;F 200V</td><td>RSコンポーネ</td>ンツ <td>440-6761</td><td>調光機構</td></tr><tr><td>抵抗 2K2 7W</td><td>RSコンポーネンツ</td><td>485-3038</td><td>調光機構</td></tr><tr><td>ヒューズ 6.3×32mm23A</td><td>RSコンポーネンツ</td><td>413-210</td><td>調光機構</td></tr><tr><td>Arduino Uno Atmel Atmega 328 MCUボード</td><td>RSコンポーネンツ</td><td>715-4081</td><td>調光機構</td></tr><tr><td>プロトタイプボードCEM3,3 オリフィック,RE310S2</td><td>RSコンポーネンツ</td><td>728-8737</td><td>調光機構</td></tr><tr><td>DC/DCコンバータ,12 Vin,+/-5 Vout 100mA 1W RS</td><td>コンポーネンツ</td><td>689-5179</td><td>調光機構</td></tr><tr><td>2 SERA T8 青月光蛍光灯 36ワット</td><td>SERA</td><td></td><td>販売終了/遮光設備</td></tr></tbody></table>

cohoused 水生動物の長期のビデオ追跡: ノルウェー オマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例

Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster (Nephrops norvegicus)

背景差分と cohoused 動物を個別に追跡することが可能になります画像の閾値に基づいてビデオ追跡手法に関連するプロトコルを提案します。5 日間の暗闇に光条件下で 4 cohoused ノルウェーのロブスター (アカザエビ norvegicus) と追跡ルーチンをテストしました。ロブスターは個別にタグ付けされていた。実験のセットアップと使用されるトラッキング技術は、オープン ソースのソフトウェアに基づいています完全。手動検出と追跡出力の比較は、ロブスターが正しくされたことを示します、倍の 69% を検出します。正しく検出されたロブスターの間で彼らの個々 のタグが正しく時代の 89.5% を識別します。プロトコルで使用されるフレーム レートとロブスターの移動率を考えるビデオのトラッキングの性能は良い品質と代表の結果研究ニーズ (個人の貴重なデータを生産のプロトコルの有効性をサポート空間の収容人数や自発運動パターン)。ここで提示されたプロトコルは、簡単にカスタマイズすることができ、、それ故に、グループの標本の個々 の追跡が貴重な研究の質問に答えるためにすることができます他の種に譲渡。

自動ビデオ解析を検証する実験データのサブセットを手動で構築しました。(これはサンプルがその許容誤差内の人口を正確に反映するかどうかを示すものさし) 99% の信頼水準との 4% の誤差 1,308 フレームのサンプル サイズ (どれだけ近いかを表す比率である、サンプルを与えた応答は人口の実際の値) ランダムに選択された Roi を正確に識別の各 ROI 内のタグの正しい識別マニュアル注釈を行った。いくつかのロブスターは巣穴の中隠される可能性がありますまたは 1 つの ROI を含む複数の動物または誤検出するために単一のフレームが不確定の範囲内で可変・ ロワ数に含まれることに注意してください。
1,308 フレームで動物の総数は 3,852 (人手 ROIs) だった。メソッドは、3,354 動物検出を明らかにしました。701 (21%) の合計これらの検出の偽陽性 (すなわち、ロブスターは背景と混同・ ロワの数) であった。動物の合計数のカウント、2,...

ここで時間の長い期間にわたって動物を個別に追跡するためのプロトコルを提案する.コンピュータ ビジョン同時に家、に関する情報を提供する事例としてロブスターのグループを使用して手動で構築されたタグのセットを識別するためのメソッドの操作、およびロブスターをマークを使用します。

Cohoused 水生動物の長期のビデオ追跡: ノルウェー オマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例

We present a protocol related to a video-tracking technique based on the background subtraction and image thresholding that makes it possible to ...

このプロトコルは、複数の動物の追跡の自動化を可能にします。タグを検出する ID 分析ツールを各動物を識別する簡単なラベルを使用します。このプロトコルはレスキーデータを使用してビデオ録画を分析するのに必要な時間を大幅に削減します。実験研究からより正確な完成を推定する。同様の方法でタグ付けすることができる他の環境の動物は、クロノバイオロジー、生態学、ウイルス研究または神経科学におけるアプリケーションを提供する同様のプロトコルで追跡することができます。ハードウェア設計とオープンソースプログラミング言語を提供し、Pythonプログラミング言語を学ぶためにプロトコルで採用することを推奨するモデルを提供しています。対象動物のタグを構築するには、まず黒いプラスチックシートから40ミリメートルの直径の円を4個、白いプラスチックPVCシートから26ミリメートル面の等角三角形と26ミリメートルの円を2つカットする。白い三角形と白い円の中心をマークします。そして、各マークで10ミリメートルの穴を作ります。次に、4 つの黒い円の中央に 1 つの白い図形を接着します。実験領域を設定するには、赤外線暗い時間の LED をタンクに入れます。赤外線ライトは常に点灯したままにします。次に、青色光時間LEDライトを砂と4つのフレキシブルPVCパイプバロウを含む修正されたグラスファイバータンクに配置し、光周期を管理するための装置にライトを接続します。すべてのライトが配置されたら、タンクの一角に冷たい海水の入口を配置し、対応する出口を反対側のコーナーに置きます。海水の入力が毎分約4リットルの流量で設定されていることを確認してください。部屋を黒いカーテンで囲み、外光から完全に分離します。Webカメラを搭載した三脚を実験場の側面に置き、カメラを130センチメートル上と実験アリーナの中央に置きます。カメラをカーテンの外のコンピュータに接続し、種の特性に応じてビデオ録画のパラメータを調整し、タイムラプスビデオの日付を含むタイムスタンプを作成して、最終的な行動スコアリングを行います。動物にタグを付けるには、水没したコンパートメントを備えたアイスボックスに摂氏7度の水を加え、4つのロブスターを4つの分離されたコンパートメントに入れます。ロブスターを約30分間順応させた後、砕いた氷のトレイに1つのロブスターを5分間移し、吸収紙を使用して固定化されたロブスターの頭蓋の上部を乾燥させます。乾燥したカラパスに速い乾燥接着剤を一滴置き、接着剤が固まるまでタグを約20秒間接着剤に押し付けます。その後、ロブスターをアイスボックスのコンパートメントに戻し、他の3匹の動物にも同じようにラベルを付けます。すべてのロブスターにラベルが付かれたら、ロブスターを24時間自分の細胞に戻します。翌日、同じアイスボックスを使用して、ロブスターを順応施設から実験室に移し、ビデオ録画を開始します。レセプターのロブスターへの放射状の損傷を避けるために、赤信号条件下でタグ付けと転送ステップを実行します。追加の水種や陸上種は、このケアを必要としないかもしれません。その後、5分間のビデオから、または最初の100フレームから平均された背景画像を取得してから、動物をそれぞれの水のコンパートメント内の実験タンクに1つずつ導入し、ロブスターがコンパートメントから出てくるのを待ちます。この代表的な実験で数えられた動物の総数のうち、動物の検出の79%がプログラムによって正しく一致し、タグの89.5%が正しく識別されました。タグの3.8%だけが誤って分類されました。しかし、残りの6.6%は偽陽性に対応しています。特定のビデオ分析が完了した後、取得した位置データを使用して、ロブスターの異なる行動パターンを評価することができます。例えば、空間占有マッププロットは、正方形のグリッド上で評価された可変正規の角膜によって整列された軸を持つ2次元の角膜密度推定を使用して、ロブスターが高い色強度プロットで表現される時間のより高い割合を費やす領域を可能にする。ロブスターの毎日の活動リズムは、時間の経過とともに10分のビン間隔で覆われたミリメートルとしてプロットすることもできます。サイズと形状の観点から正確な仕様を維持し、常にユーザーインターフェイスなしでバックグラウンドでビン分割された分析ステップを実行することが重要です。画像解析モデルを展開して甲殻類の特定の成分を調べ、動物の相互作用の観点から行動研究を改善することができます。これらの複雑な動物の社会的相互作用は、実際の環境で同様の方法で起こり、生態学と神経科学に対する何らかの応用を持つ生物学的研究のスタイルと重要な側面を可能にする。

long-term-video-tracking-cohoused-aquatic-animals-case-study-daily

Research

JoVE Journal

Environment

環境

自由遊泳性の線虫のような微細な生物...

自由レーザー回折を用いた微生物水泳の定量的ロコモーションスタディ

自発運動（LMA）は、マウスにおける行動のシンプルかつ簡単に行う測定である。ビデオトラッキングソフトウェア（VTS）とLMAのカップリングはLMA分析のマニュアル、ライン交差法と比較する場合は特に、特異性と感度の向上を可能にします。さらにVTSは、マウスLMAの長期的な追跡を可能にします。...

ビデオトラッキングソフトウェアによって分析されるマウスの短期および長期の自発運動

ゼブラフィッシュの個体やグループを追跡できる3D自動ビデオシステムの使用について説明しています。応用例として、NMDA受容体拮抗薬MK-801がゼブラフィッシュの群れに及ぼす影響について検討します。...

自動3D追跡システムを使用して、成魚のゼブラフィッシュの個体群と群れを記録

我々は、自由に同期して、感覚の内部に特別に設計された水槽の両方で正確かつ確実に、動物の電気器官吐出​​タイミング、上体位置姿勢を測定することにより、長時間にわたって弱電気魚の水泳の自発的挙動を研究するための技術のセットを記述隔離室。...

自由水泳弱電気魚の長期的な行動の追跡

FIMは、Cなどの小さな移動物体を追跡するために設計された新規、費用効果的なイメージングシステムである虫、プラナリアやショウジョウバエの幼虫。添付FIMTrackプログラムが高速で効率的なデータ分析を提供するように設計されている。一緒に、これらのツールは、行動特性の高スループット分析を可能にする。...

FIMイメージングとFIMtrack：高スループットとコスト効果的な歩行分析を可能に二つの新しいツール

魚の行動に環境汚染物質の影響を測定することは、亜致死エンドポイントを扱う場合は特に、多くの場合、主観的かつ挑戦的です。我々は、中および銅の種々の濃度に対する96時間の急性曝露後初期生活段階白チョウザメ（ シロチョウザメ ）の遊泳行動を定量化するためのビデオ技術を含む方法が記載されています。...

コンピュータ支援ビデオとデジタル画像解析を用いた銅水溶液の急性暴露に応答して、魚の遊泳行動を定量化

ゼブラフィッシュは、筋肉の機能と病気を研究するための優れたモデルです。初期胚形成期には、ゼブラフィッシュは規則的な筋肉収縮を開始し、リズミカルな遊泳行動を生み出し、筋肉が乱れると遊泳行動が変化します。ここでは、筋肉機能の尺度として水泳パフォーマンスを調べるための、タッチ誘発反応と運動アッセイについて説明します。...

ゼブラフィッシュで筋肉のパフォーマンスと機能を評価するためにタッチ誘発応答と歩行アッセイを使用して

ここでは、行動と生体染色、メカノセンシング メキシコの血脈のシリーズの高スループット研究の手法を提示します。これらのメソッドは、動作研究実用的かつコスト効果の高い方法を提供するフリー ソフトウェアとカスタム...

行動追跡とメキシコの血脈の Neuromast イメージング

このプロトコルは、筋萎縮性側索硬化症の C.エレガンス モデルにおける軽度、中等度、重度の運動障害を識別するための2つの敏感なアッセイを記述し、 C.エレガンス...

筋萎縮性側索硬化症の C.エレガンス モデルにおける運動障害の評価

光学トロール調査は、非侵襲的な底棲魚の個体群サンプリング方法を提供し、従来のトロール調査よりも細かい規模のデータを提供します。本記事では、ニューイングランドにおける底魚の光学トロール調査の一般的な手順を提供します。...

底魚の光学トロール調査:メイン州西部大西洋コッド(Gadus morhua)のビデオトロール調査

多室社会的嗜好課題は齧歯類からゼブラフィッシュに応用され、モデル生物の社会的行動の研究を促進しています。このプロトコルは、ウェブカメラとオープンソースソフトウェアを用いてゼブラフィッシュの社会的嗜好を測定する低コストの3チャンバーオープンタンク課題を検証し、学部生の研究や教育に利用可能にします。...

ゼブラフィッシュ(Danio rerio)における社会的嗜好を調査するための低コスト代替案:3室オープンタンク自由泳ぎ課題

学ぶノルウェーオマール海老の長期ビデオ追跡法。個体識別タグとコンピュータビジョンを用いて、行動リズムの自動解析を実現します。生体リズム学や神経科学の研究に応用可能です。

Cohoused 水生動物の長期のビデオ追跡: ノルウェーオマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例

さらに動画を探す

Cohoused 水生動物の長期のビデオ追跡: ノルウェー オマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例

さらに動画を探す

Cohoused 水生動物の長期のビデオ追跡: ノルウェーオマール海老 (アカザエビ norvegicus) の毎日の歩行活動の事例