촉각 시설과 꿀벌에 Antennal 샘플링 전략의 움직임 분석 ( API를 mellifera L.)

이 절차의 전반적인 목표는 꿀벌을 촉각 자극에 적응시키는 방법을 보여주고, 미세 스케일과 10가지 샘플링 패턴의 운동학을 분석하기 위한 2D 모션 캡처 기술을 도입하는 것입니다. 처음에는 벌통 앞에서 자유롭게 날아다니는 꿀벌을 포획해야 합니다. 두 번째 단계는 꿀벌을 금속 튜브에 묶고 흰색 페인트로 눈을 가리는 것입니다.

다음으로, 꿀벌은 고전적인 조건화 절차를 사용하여 촉각 자극을 훈련받습니다. 마지막 단계는 디지털 비디오 카메라로 조절된 꿀벌의 안테나 움직임을 기록하는 것입니다. 궁극적으로 MATLAB의 2D 모션 캡처는 연관 및 비연관 촉각 학습 패러다임 이후 꿀벌의 안테나 이동 동작의 변화를 분석하는 데 사용됩니다.

이 방법은 다양한 변경 가능한 종의 촉각 구별 및 인식을 연구하는 데 사용할 수 있습니다. 비연관 촉각 학습으로 인한 변화와 조건화 중과 같은 연관 학습에서 발생하는 변화를 구별할 수 있습니다. 일반적으로 이 방법을 처음 접하는 개인은 꿀벌을 매우 조심스럽게 다루어야 하고 촉각 조절 절차의 타이밍이 중요하기 때문에 어려움을 겪을 것입니다.

이 방법은 능동 터치 감지 분야의 핵심 질문에 답하는 데 도움이 될 수 있습니다. 자연스러운 반사 행동을 보고 행동으로 사용하여 동물이 두 가지 촉각 자극을 구별할 수 있는지 여부를 알 수 있습니다. 시작하려면 벌통 입구에서 직접 꿀벌을 수집하십시오.

폼 플러그로 닫힌 유리 바이알에 있는 각 꿀벌을 포획하고 실험실에서 추가 취급을 위해 즉시 실험실로 가져갑니다. 간단히 말해서 꿀벌이 움직이지 않는 징후를 보이기 시작할 때까지 섭씨 4도의 냉장고에서 꿀벌을 식힙니다. 먼저 각 꿀벌을 금속 튜브에 고정시킵니다.

머리와 흉부 주위, 복부 위에 접착 테이프를 붙입니다. 프로버스와 더듬이가 벌의 시야를 가리기 위해 자유롭게 움직일 수 있는지 확인합니다. 겹눈과 셀리를 흰색 페인트로 칠합니다.

머리가 움직이지 않도록 머리와 테이프 사이에 녹은 왁스를 한 방울 떨어뜨립니다. 녹음 중. 쉽게 식별할 수 있도록 각 꿀벌의 테이프에 숫자를 표시하고 튜브를 습한 분위기에 넣어 탈수를 방지하십시오.

마지막으로 30% 자당 용액을 채운 주사기를 사용하여 각 꿀벌에게 5초 동안 먹이를 주고 30분 동안 회복하도록 합니다. 촉각 컨디셔닝 프로토콜을 시작하기 전에 컨디셔닝하기 전에 각 B의 psis 확장 반응 또는 PER을 테스트합니다. 이렇게하려면 올바른 반응을 위해 안테나에 30 % 자당 자극을 적용하십시오.

psis의 끝은 열린 하악골 사이의 가상 선을 교차해야 합니다. 올바른 PER을 가진 꿀벌만 연구에 사용됩니다. 촉각 조건화의 경우 금속 표면 구조가 조건화 자극 또는 cs로 사용됩니다.

그들의 표면은 다른 질감을 만들기 위해 매끄럽거나 홈이 있을 수 있습니다. 무조건 자극 또는 US는 30% 자당 용액입니다. 황동 큐브를 마이크로 매니퓰레이터의 홀더에 놓습니다.

이렇게 하면 컨디셔닝 절차 중에 정확한 위치를 지정할 수 있습니다. 촉각 자극이 장착되면 마이크로 매니퓰레이터 앞에 꿀벌을 놓습니다. 다음으로, 촉각 자극의 표면이 꿀벌의 머리와 평행이 되도록 C를 천천히 배치합니다.

꿀벌은 두 안테나를 모두 사용하여 편안한 위치에서 촉각 자극을 스캔할 수 있어야 합니다. 컨디셔닝 절차를 시작하려면 비드가 5초 동안 촉각 자극을 스캔하도록 합니다. 처음 3초 후에 주사기를 사용하여 아래에 30% 자당 용액 한 방울을 제시합니다.

주사기 끝을 사용하여 프로버스를 부드럽게 올립니다. 이 자극은 무조건적인 PER을 유도해야 합니다.꿀벌이 자당을 핥도록 합니다.

1초의 보상이 주어집니다. 꿀벌이 5쌍을 받을 때까지 컨디셔닝 절차를 진행합니다. 첫 번째 보상 페어링 후, 꿀벌은 다가오는 보상을 기대한다는 것을 나타내는 psis를 확장하여 CS 프레젠테이션에 응답하기 시작해야 합니다.

자당 발표 전에 촉각 자극 발표의 처음 3초 동안 관찰된 완전히 확장된 psis는 긍정적인 반응으로 점수가 매겨집니다. 마지막으로, 꿀벌 그룹에 대한 학습 곡선이 생성됩니다. 이를 위해 CS 프레젠테이션 중 PER을 보여주는 꿀벌의 비율이 각 시도에 대해 표시됩니다.

컨디셔닝 후, 적절한 매크로 렌즈가 있는 디지털 비디오 카메라를 사용하여 안테나 움직임을 기록합니다. 여기서는 파이어 와이어 연결을 통해 초당 50프레임으로 작동되는 기술 사양 VZM 200 렌즈가 장착된 Basler 602 F 카메라를 사용하여 하네스된 벌과 촉각 자극이 보이도록 카메라를 조정합니다. 다음으로, 다른 방향에서 보정된 바둑판의 단일 사진을 촬영하여 카메라를 보정합니다.

카메라 보정 도구와 함께 특수 소프트웨어를 사용하여 이미지를 분석합니다. 보정이 완료되면 카메라 렌즈 아래에 단일 고정 B를 놓고 촉각 자극을 제시합니다. 앞에서 보여준 것처럼.

꿀벌이 물체를 스캔하는 동안 enseal의 움직임을 기록합니다. 데이터가 수집되면 MATLAB을 사용하여 먼저 이미지 배경을 정의하고 각 픽셀에 대해 시간 경과에 따른 중간 그레이 스케일 값을 계산합니다. 꿀벌의 고정된 머리와 촉각 자극과 같은 정적 물체는 비디오에서 움직이는 부분인 각 프레임에서 이미지 배경을 빼서 이미지 배경을 구성합니다.

이상적으로, 꿀벌의 더듬이는 추가 처리를 위해 0이 아닌 값의 유일한 영역으로 격리됩니다. 0이 아닌 픽셀 값을 가진 두 개의 가장 큰 영역은 안테나로 간주됩니다. 마스크는 안테나 팁의 위치를 파악하고 전체 이미지를 사용하여 오류의 양을 줄이기 위해 생성됩니다.

이미지 침식과 팽창 도구의 조합은 이러한 기술이 노이즈 수준을 줄인 후에 적용됩니다. 이진 마스크 기능은 연결되지 않은 영역을 클러스터링하는 데 사용됩니다. 무게 중심은 왼쪽 안테나와 오른쪽 안테나를 구별하기 위해 이러한 클러스터 중 가장 큰 두 개의 클러스터에 대해 계산됩니다.

여기에서 빨간색과 녹색으로 색상 레이블이 지정되어 있습니다. 마지막으로, 각 안테나에 대한 안테나 팁은 근위 방향에서 원위 방향에서 가장 높은 값을 갖는 클러스터 내의 픽셀로 정의될 수 있으며, 표시된 팁의 공간 분포를 보여주는 2차원 히스토그램이 생성됩니다. 다음은 꽃가루 위조자의 촉각 PER 컨디셔닝에 대한 학습 곡선입니다.

첫 번째 페어링 후 긍정적인 반응의 비율은 자발적인 행동과 비교할 때 훨씬 더 높았으며, 학습 곡선은 세 번째 보상 후 포화 상태를 보여줍니다. 이 예시에서, 조건화된 그룹과 순진한 그룹 모두에서 항문 끝의 움직임은 보이는 촉각 자극의 유무에 따라 1분 동안 기록되었습니다. 다음은 자극 발표 전에 자발적인 터널 움직임입니다.

absa는 터널 팁의 측면 위치를 나타내고 세로좌표는 원위 위치를 나타냅니다. 색상 스케일은 anin 팁이 지정된 위치에서 소비한 시간의 백분율을 나타냅니다. 노란색은 매우 빈번한 위치, 빨간색, 빈도가 낮은 위치, 검은색 위치가 손이 닿지 않는 위치를 나타냅니다.

이 데이터는 조건화된 그룹과 조건화된 그룹 모두 자발적인 행동에 비해 촉각 자극이 있을 때 antal 운동 패턴을 변화시켰음을 보여줍니다. 자극의 표면 근처에 있는 직사각형의 노란색 영역은 개미 발뒤꿈치 끝이 표면을 샘플링하는 데 많은 시간을 소비했음을 나타냅니다. 조건화된 그룹의 꿀벌은 순진한 꿀벌보다 자극 영역에서 안테나 끝으로 훨씬 더 많은 시간을 보냈습니다.

이 절차에 따라 전기 생리학 및 약리학적 방법을 찾아 꿀벌의 발달 후 적극적인 접촉 행동에 대한 신경 생리학적 근거는 무엇입니까? 이 촉각 조절 기술은 능동 터치 감지 분야의 연구자들이 촉각 자극 식별의 다양한 측면뿐만 아니라 Alpha Pots의 촉각 학습 및 기억의 다양한 측면을 탐구할 수 있는 길을 열었습니다. 이 비디오를 시청한 후에는 능동적인 촉각 검색 및 샘플링 움직임과 곤충을 분석하는 방법을 잘 이해하게 될 것입니다.

움직임 분석은 첫 번째 카메라와 동기화하여 하나 이상의 추가 카메라가 추가되는 경우 3차원 분석으로 확장될 수 있습니다.