Identyfikacja radiowa i wideo wrażliwe na ruch skutecznie automatyzują rejestrowanie nienagradzanych zachowań wybranych przez trzmiele

Summary

Ten film opisuje Radio-Frequency Identification (RFID) i metody nagrywania wideo wrażliwe na ruch w celu monitorowania zachowań trzmieli.

Abstract

Prezentujemy dwie metody obserwacji wyboru wyboru trzmieli w zamkniętej przestrzeni testowej. Pierwsza metoda składa się z czytników identyfikacji radiowej (RFID) wbudowanych w sztuczne kwiaty, które wyświetlają różne sygnały wizualne, oraz tagów RFID (tj. transponderów pasywnych) przyklejonych do klatki piersiowej trzmieli. Nowością w naszej implementacji jest to, że czytniki RFID są wbudowane bezpośrednio w sztuczne kwiaty, które są w stanie wyświetlać kilka różnych właściwości wizualnych, takich jak kolor, typ wzoru, częstotliwość przestrzenna (tj. "zajętość" wzoru) i symetria (częstotliwość przestrzenna i symetria nie były manipulowane w tym eksperymencie). Dodatkowo, te wizualne wyświetlacze w połączeniu ze zautomatyzowanymi systemami są w stanie rejestrować nienagradzane i niewytrenowane zachowania związane z wyborami. Druga metoda polega na rejestrowaniu zachowań związanych ze sztucznymi kwiatami za pomocą czułych na ruch kamer o wysokiej rozdzielczości. Trzmiele mają plakietki z numerami przyklejone do klatki piersiowej w celu unikalnej identyfikacji. Przewagą tej implementacji nad RFID jest to, że oprócz obserwacji zachowania podczas lądowania, można również zaobserwować alternatywne miary preferencji, takie jak zawis i antenowanie. Obie metody automatyzacji zwiększają kontrolę eksperymentalną i trafność wewnętrzną, umożliwiając badania na większą skalę, które uwzględniają różnice indywidualne. Poprawiono również trafność zewnętrzną, ponieważ pszczoły mogą swobodnie wchodzić i wychodzić ze środowiska testowego bez ograniczeń, takich jak dostępność asystenta badawczego na miejscu. W porównaniu z obserwacją przez człowieka w czasie rzeczywistym, zautomatyzowane metody są bardziej opłacalne i prawdopodobnie mniej podatne na błędy.

Introduction

Kluczowym problemem w badaniu niewyuczonych zachowań wyborczych trzmieli i pszczół miodnych jest to, że niedoświadczeni pracownicy, niedoświadczeni w kwestii kwiatów, niechętnie wchodzą w przestrzeń testową, gdzie można mierzyć preferencje. W rezultacie, wielu badaczy polega na mniej niż idealnej technice: wstępnym szkoleniu pracowników, aby karmili się w przestrzeni testowej pozornie neutralnymi bodźcami, które naukowcy uważają za różne od bodźców eksperymentalnych. Jednak ostatnie eksperymenty wykazały, że bodźce, które uważano za neutralne (tj. bodźce, które nie wpływają na późniejsze zachowania związane z wyborami podczas sesji testowej) wpłynęły na preferencje w nieoczekiwany^sposób1. Zautomatyzowane systemy, które obejmują identyfikację radiową (RFID)² i nagrania wideo wrażliwe na ruch, mogą zaoferować możliwość rozwiązania tego problemu. Cel badania był dwojaki: (1) po pierwsze przyczynienie się do wzbogacenia literatury na temat niewyuczonych preferencji kwiatowych trzmieli, (2) a po drugie, ocena dwóch systemów pomiaru wyboru, zarejestrowanych przez dwa różne automatyczne urządzenia rejestrujące.

Dwa zautomatyzowane systemy³ zostały zaimplementowane w niniejszym badaniu, aby obserwować niewyuczone zachowania związane z wyborami: RFID i wrażliwe na ruch nagrania wideo. Dwa kluczowe elementy obu systemów to to, że wybory nie są nagradzane, a wyświetlanie różnych wskazówek wizualnych może być manipulowane. Obraz wizyjny wrażliwy na ruch (wysoka rozdzielczość, nagrywanie w rozdzielczości 1 MP) nie tylko umożliwia ciągłą obserwację swobodnie eksplorujących pracowników w pomieszczeniu lotniczym, ale ma kluczowe znaczenie dla efektywnej obserwacji stosunkowo rzadkich zdarzeń⁴.

Pytanie badawcze w eksperymencie 1 dotyczy tego, jak różne właściwości wizualne współgrają ze sobą, gdy są wyświetlane razem. Niniejsze badanie ma na celu zbadanie względnego znaczenia pozycjonowania wzorca w odniesieniu do typu wzorca. Stosując konstrukcję 2 x 2, typy wzorów radialnych (tj. sunburst) i koncentrycznych (tj. oko) są umieszczane centralnie lub obwodowo na sztucznym kwiatu (patrz rysunek 1, aby zapoznać się z przykładami bodźców). Czytniki RFID są wbudowane w te specjalnie zaprojektowane sztuczne bodźce kwiatowe, a trzmiele otrzymują znaczniki obsługujące RFID, które pozwalają nam rejestrować każdego oznaczonego pracownika, który wchodzi w bodziec sztucznych kwiatów. Obserwacja RFID działa na zasadzie mechanizmu czytnika (wbudowanego w sztuczne kwiaty) wysyłającego sygnały na częstotliwościach radiowych (w tym przypadku 13,56 MHz), które są modulowane przez obecność pasywnych tagów. Czytnik może wykrywać i rejestrować te modulacje sygnału, które różnią się nieznacznie w zależności od tagu, umożliwiając unikalną identyfikację tagu.

Pytania w Eksperymencie 2 są trojakie. Po pierwsze, czy wejście w kwiaty, mierzone za pomocą RFID, i lądowanie, mierzone za pomocą nagrań wideo, są równoważnymi kryteriami wyboru? Wybór jest mierzony w różnych punktach (lądowanie w przypadku wideo i wejście kwiatu w przypadku RFID), co może przekładać się na różne miary preferencji. Po drugie, jaki jest efekt pozycjonowania centralnego i peryferyjnego? Nie wiadomo, czy pracownicy wybraliby wzór centralny, gdyby przedstawiono kombinację składającą się z dwóch wzorów promieniowych w różnych pozycjach (zob. rysunek 4b). Po trzecie, jakie jest względne znaczenie pozycji wzoru w porównaniu z typem wzorca? Innymi słowy, czy trzmiele wylądują na wzorcach preferowanego typu wzoru lub preferowanej pozycji wzorca? Pszczoły mogą preferować wzór centralno-promieniowy od obwodowo-koncentrycznego, ale preferencja może wynikać z typu wzoru lub jego centralnego położenia. W tym eksperymencie dwie zmienne zostały zestawione ze sobą⁵ (patrz Rysunek 4c, d).

W eksperymencie 2 użyliśmy nagrań wideo wrażliwych na ruch na bodźcach przypominających kwiaty. Sztuczne kwiaty umieszczono w klatce lotniczej, a czułe na ruch kamery o wysokiej rozdzielczości zostały skierowane na te kwiaty z przodu i z góry. Dokładniej rzecz ujmując, dwie kamery zostały ustawione w taki sposób, aby uchwycić widok z przodu każdego z dwóch bodźców w przestrzeni testowej. Dodatkowa kamera została umieszczona pomiędzy bodźcami, aby zarejestrować zachowanie unoszące się w powietrzu z góry i uchwycić zachowanie obu sztucznych kwiatów. Trzmiele zostały zidentyfikowane za pomocą znaczników numerycznych, które można było odczytać z klipów wideo w wysokiej rozdzielczości. Zaobserwowano zachowania związane z zawisem, antenowaniem i lądowaniem.

Protocol

Komitet ds. Opieki nad Zwierzętami Uniwersytetu w Ottawie zatwierdził nasz protokół eksperymentalny, który określa procedury bezpieczeństwa dla personelu pracującego z pszczołami.

1. Przygotowanie środowiska testowego

1. Przygotuj pustą przestrzeń (odizolowane pomieszczenie lub klatkę lotniczą pokrytą metalowym ekranem) o wymiarach 2 m x 2 m x 2 m.
   UWAGA: Jeśli pomieszczenie zostanie wybrane jako przestrzeń testowa, upewnij się, że pszczoły nie mogą uciec przez okna, przestrzenie pod drzwiami i kanały wymiany powietrza.
2. Dodaj małe punkty wejścia (np. otwory o średnicy ok. 2 cm) do klatki lotu, w których pszczoły mogą wchodzić i wychodzić z przestrzeni testowej bez przeszkód. Zaprojektuj mechanizm blokujący punkty dostępu, aby pszczoły nie przedostawały się do przestrzeni testowej w okresach zarezerwowanych na konserwację i konfigurację sprzętu.
   UWAGA: Korzystaliśmy z worków Bombus impatiens Cresson.
3. Podłącz jedną lub dwie skrzynki kolonijne do przestrzeni testowej za pomocą łącznika. Upewnij się, że martwa pszczoła nie może zablokować złącza.
   UWAGA: Tutaj użyj dwóch rodzajów konstrukcji łączących: drewnianej konstrukcji "mostowej" ze szklaną pokrywą górną oraz rurki z siatki drucianej. Są łatwe do czyszczenia i zapewniają przyczepność pszczołom.
4. Umieść dwa uchwyty na sztuczne kwiaty w przestrzeni testowej.
   1. Umieść uchwyty na kwiaty na środku przestrzeni testowej lub przymocuj je do ściany.
   2. Podłącz czytnik RFID "2k6 head" do górnej części cylindra sztucznego kwiatu za pomocą taśmy maskującej (patrz rysunek 1, aby zapoznać się z pozycjonowaniem). Użyj drewnianego stojaka o wysokości 1,2 m, do którego przymocujesz sztuczne kwiaty.
      UWAGA: W górnej części stojaka powinien znajdować się mechanizm mocujący, do którego można podłączyć sztuczne kwiaty. Rysunek 2 przedstawia rysunek schematyczny
5. Dodaj oprawy fluorescencyjne o wysokiej częstotliwości (min. 200 Hz), aby odpowiednio oświetlić przestrzeń testową. Użyj statecznika elektronicznego wysokiej częstotliwości, aby upewnić się, że migotanie światła przekracza próg fuzji migotania wizualnego trzmieli⁶.
   UWAGA: Tutaj użyj 12 świetlówek światła dziennego, które wytwarzają natężenie światła około 1,200 luksów na przestrzeni 2 x 2 x 2 m.

Rysunek 1. Projekt sztucznego kwiatu RFID. Schemat ideowy sztucznego kwiatu z obsługą RFID użytego w eksperymencie 1. Czytnik RFID spoczywał na otwartym cylindrze przechodzącym przez środek kwiatu. Wzorce i pozycje bodźców: a. peryferyjno-koncentryczne, b. centralno-koncentryczne, c. obwodowo-promieniowe i d. centralno-promieniowy. Rysunek ten został zmodyfikowany na podstawie Orbán i wsp.^{Rozdział 11}.

Rysunek 2. Stojak na bodziec. Schematyczny rysunek przedstawiający projekt stojaka stymulacyjnego ze sztucznych kwiatów oraz klipsa mocującego. Klips mocujący jest przyklejany do sztucznego kwiatka i służy do szybkiego mocowania i odpinania bodźców do i od stojaków na bodźce. Ta konfiguracja została wykorzystana w eksperymencie z obrazem wrażliwym na ruch. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

2. Przygotowanie kolonii trzmieli

1. Po przybyciu kolonii zamówionych komercyjnie podłącz skrzynkę kolonijną do klatki lotu.
2. Dostarczyć pyłek (zebrany przez pszczoły miodne z różnych roślin) i wodę z cukrem (1:1 objętościowo) ad libitum do rozpoczęcia sesji testowych.
   1. Zagotuj 1 l wody i wymieszaj z tą samą objętością cukru, aby uzyskać roztwór cukru i wody.
   2. Kup pyłek od pszczelarza lub komercyjnego dostawcy rodzin trzmieli. Pyłek zmielić moździerzem i tłuczkiem, a następnie wymieszać z miodem i wodą (w razie potrzeby), aby uzyskać wilgotną pastę.
3. Po rozpoczęciu eksperymentu podawaj 15–40 ml wody z cukrem (ilość proporcjonalna do wielkości kolonii) dziennie. Kontynuuj dostarczanie pyłku ad libitum. Dostosuj ilość wody z cukrem do poziomu przechowywania w pojemnikach na miód.
   UWAGA: Utrzymywanie niskiego poziomu przechowywania żywności stanowi zachętę dla robotnic do opuszczania gniazda w poszukiwaniu większej ilości pożywienia.
4. Zezwól pszczołom na wejście do środowiska testowego za pośrednictwem struktury łącznika, zgodnie z opisem w kroku 1.3.
   UWAGA: Pszczoły swobodnie przemieszczają się między gniazdem a środowiskiem testowym przez cały czas trwania eksperymentu.

3. Przygotowanie do obserwacji za pomocą identyfikacji radiowej

1. Zacznij przyklejać znaczniki RFID do klatki piersiowej robotnic, gdy tylko kolonia przybędzie, i kontynuuj przez cały eksperyment, gdy pojawią się nowe robotnice.
2. Technika klejenia
   1. Umieść wszystkich pracowników w indywidualnych kontenerach podczas początkowego tagowania. Schłodzić pracowników przez około 1 godzinę w lodówce (około 7 °C), aby ich spowolnić.
      UWAGA: Ochładzanie robotnic przed znakowaniem ułatwia zwalczanie agresywnych kolonii. Minimalizuje to ryzyko użądleń.
   2. Za pomocą przyrządu do znakowania i nietoksycznego kleju (dostarczonego przez dostawcę tagu) przymocuj tag RFID do klatki piersiowej pracownika. Przyklejaj tagi RFID do pracowników, gdy się pojawiają, gdy są jeszcze w fazie zastoju (zanim będą w stanie latać).
   3. Odczekaj co najmniej 10 minut przed umieszczeniem robotnicy z powrotem w kolonii, aby upewnić się, że tag RFID nie może zostać usunięty przez pracownika.
3. Zutylizować pracowników, którzy nie zostali oznakowani w fazie odkładania, lub pracowników, którzy zgubili znaczniki RFID (widoczne po pozostałościach kleju lub łysiej plamie na klatce piersiowej).
   UWAGA: Te pszczoły mogły mieć doświadczenie poza kolonią.
4. Oprogramowanie czytnika RFID
   1. Użyj komputera osobistego (PC), aby skonfigurować oprogramowanie czytnika RFID. Zmień format daty systemu operacyjnego na rrrr-mm-dd gg:mm:ss, aby upewnić się, że pobrane dane RFID są poprawnie zakodowane. Dostosuj program dostarczony z czytnikami RFID za pomocą języka programowania C++, aby umożliwić eksport danych z czytnika RFID jako wartości oddzielonych przecinkami (CSV).
   2. Podłącz czytnik RFID do komputera za pomocą złącza RS-232 na USB. Pobieraj dane do czytnika RFID okresowo, zanim czytnik osiągnie pojemność pamięci (do 32 000 rekordów). Użyj czytników RFID, aby zarejestrować datę, godzinę i trzynastoznakowy unikalny ciąg znaków powiązany z każdym tagiem. Zaimportuj pobrany plik CSV do systemu zarządzania relacyjną bazą danych (RDBMS).

4. Przygotowanie sztucznych kwiatów dla czytników RFID

1. Kup niebieską i żółtą glinę do pieczenia w lokalnym sklepie z rękodziełem.
2. Utwórz niebieski cylinder o średnicy 1,5 cm i wytnij otwór o wymiarach 1,5 cm x 3 cm z boku.
   UWAGA: Otwór z boku cylindra będzie służył jako gniazdo dla czytnika RFID.
3. Utwórz niebieski stożek o średnicy 8 cm na jednym końcu i 1,5 cm na drugim końcu.
4. Scal cylinder i stożek.
5. Stwórz pasmo żółtej glinki o długości 20 cm i szerokości 0,5 cm.
6. Przyciąć żółtą nitkę na wymiar i przerobić na niebieski stożek i cylinder.
   UWAGA: Kształty promieniowe będą wymagały linii prostych o długości 5 cm, a kształty koncentryczne będą wymagały linii okrągłych o długości 4–8 cm.
7. Piecz glinę w temperaturze 130 ° F, aż całkowicie stwardnieje.

5. Przygotowanie do obserwacji za pomocą nagrywania wideo z czułym na ruch

1. Zacznij przyklejać kolorowe plastikowe plakietki z numerami do klatki piersiowej pszczół robotnic, gdy tylko kolonia przybędzie, i kontynuuj przez cały eksperyment, gdy pojawią się nowe robotnice.
2. Usuń wszystkich pracowników podczas początkowej sesji tagowania, aby upewnić się, że każda osoba otrzyma znacznik numeryczny. Umieść robotnice z powrotem w kolonii natychmiast po oznaczeniu .
   UWAGA: W przeciwieństwie do znaczników RFID, znaczniki numeryczne są trudniejsze do usunięcia przez pracowników.
3. Gdy pojawią się nowe robotnice, oznacz je, póki są jeszcze nieczynne. Częstotliwość znakowania różni się w zależności od stanu cyklu kolonijnego, ale średnio wynosi około 7–10 robotnic co 2–3 dni. Pozbądź się robotnic, które nie zostały oznaczone w fazie połowy, ponieważ mogą już nie być naiwne w kwiaty.
4. System oznaczania większej liczby pracowników niż dostępne numery znaczników
   UWAGA: Jeśli eksperyment trwa przez kilka miesięcy i zaangażowanych jest wiele kolonii, istnieje duża szansa, że skończą się dostępne numery znaczników. Istnieje około 7 rozróżnialnych kolorów znaczników, z których każdy jest ponumerowany od 1 do 99, co pozwala na jednoczesne tagowanie do 693 pracowników. W eksperymencie trwającym 3 miesiące z wykorzystaniem 3-4 kolonii weźmie udział ponad 693 robotnice, ale nigdy nie będą one żyły jednocześnie.
   1. Upewnij się, że znaczniki z numerami są rozmieszczone systematycznie (np. górna strona numeru zawieszki jest zawsze wyrównana z głową pszczoły), szczególnie dla następujących numerów: 6, 9, 66, 69, 99.
   2. Usuń martwych pracowników i zapisz ich numer tagu jako "zwolniony". Utrzymuj bazę danych numerów i kolorów znaczników, które są "dostępne" lub "w użyciu", aby upewnić się, że unikalny znacznik nie jest używany na wielu pszczołach w tym samym czasie.
      UWAGA: Dodatkowe kombinacje znaczników mogą być tworzone przez dodawanie kolorów do już istniejących kolorów. Na przykład dodanie żółtej kropki do niebieskiego znacznika za pomocą pióra sharpie może utworzyć nowe kombinacje.
5. Przetwarzanie danych wideo
   1. Umieść dwie kamery protokołu internetowego (IP) (minimalna rozdzielczość obrazu 1 MP) przed każdym wyświetlaczem kwiatowym, poza środowiskiem testowym (patrz Rysunek 3).
      
      Rysunek 3. Środowisko testowe. Fotografia środowiska testowego przedstawiająca dwie kamery czołowe na pierwszym planie, kamerę sufitową pomiędzy oprawami oświetleniowymi oraz bodźce stojące z próbkami bodźców na środku pomieszczenia.
      UWAGA: Szklana przegroda między kamerami IP a sztucznymi kwiatami zapewnia, że sztuczne kwiaty są dobrze widoczne. Kamery IP mogą znajdować się w odległości do 5 m od bodźców. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.
   2. Wymień standardowe soczewki na obiektywy zmiennoogniskowe 1.8 mm. Soczewki te pozwalają na wystarczający zoom i skupienie się na sztucznych kwiatach.
   3. Umieść dodatkową kamerę IP bezpośrednio nad sztucznym kwiatem, skupiając się na obszarze 1–2 m przed sztucznymi kwiatami. Ta kamera rejestruje zachowania związane z zawisem i anteną.
   4. Podłącz kamery IP do komputera za pomocą dodatkowego kontrolera interfejsu sieciowego (NIC) i koncentratora Ethernet.
   5. Skonfiguruj protokół dynamicznej konfiguracji hosta (DHCP) komputera, aby dynamicznie dystrybuować adresy IP do kamer IP.
   6. Skonfiguruj serwer protokołu przesyłania plików (FTP) na komputerze.
   7. Skonfiguruj proces klienta FTP, aby automatycznie deponować klipy wideo na komputerze.
   8. Skonfiguruj kamerę IP tak, aby nagrywała 10-sekundowy klip wideo za każdym razem, gdy zostanie wykryty ruch.
6. Analiza klipów wideo
   1. Otwórz klip wideo i wyświetl jego zawartość klatka po klatce za pomocą wybranej przeglądarki wideo.
   2. Zapisz numer plastikowego znacznika pszczoły, datę i godzinę nagrania w arkuszu kalkulacyjnym lub RDBMS. Tutaj zdefiniuj lądowanie jako kontakt nóg pszczoły ze sztucznym kwiatem.
      UWAGA: Odrzuć wybory, które są pod wpływem społecznym (lądowanie, gdy inna pszczoła jest obecna na bodźcu).

6. Przygotowanie sztucznych kwiatów do obserwacji wideo

1. Projektowanie właściwości wizualnych za pomocą oprogramowania do edycji grafiki.
   UWAGA: Upewnij się, że wydrukowany wzór można przyciąć i złożyć w stożek. Użyj obliczeń geometrycznych, aby uzyskać kształt wycięcia, który da kształt stożka o średnicy 8 cm.
2. Drukowanie, wycinanie i składanie właściwości wizualnej w stożek.
3. Przyklej klipsy mocujące do bodźca (patrz rysunek 2).

7. Analiza statystyczna

1. W obu eksperymentach oblicz proporcje wyboru dla każdej pszczoły (np. konkretna pszczoła dokonała x wyborów jednego kwiatu z łącznej liczby y).
2. Przeanalizuj te proporcje za pomocą powielonego testu dobroci dopasowania⁷.
   UWAGA: Zreplikowany test G oblicza wartość niejednorodności (G_h), która wskazuje na stopień zmienności powtórzeń (tj. każdej pszczoły), oraz wartość zbiorczą (G_p), która wskazuje ogólne znaczenie wszystkich proporcji wyboru. Wartości G są porównywane z wartościami χ² w testach istotności.

8. Sekwencja prezentacji bodźców

1. Przymocuj sztuczne kwiaty do kwietników w przestrzeni testowej. Zmieniaj kombinację i lokalizację wyświetlanych bodźców w regularnych odstępach czasu (np. codziennie), aby uniknąć efektów lokalizacji.

9. Zakończenie badania

1. Umieść rodziny pszczół w zamrażarce w temperaturze -10 °C na 3 dni, aby zabić pszczoły.

Results

Eksperyment 1: Dane RFID

Wszyscy 375 pracownicy w kolonii zostali oznaczeni RFID, a 318 z tych pracowników (85%) weszło do klatki lotniczej w pewnym momencie badania. W sumie 197 (62% pszczół, które opuściły kolonię) odwiedziło co najmniej jeden z czterech sztucznych bodźców kwiatowych.

Definicja wyboru

Wybór został zdefiniowany jako pracownik wchodzący do sztucznego kwiatu (patrz Rysunek 1). Nazwaliśmy to zachowanie "eksploracją kwiatów". Ta definicja wyboru jest bardziej rygorystyczna niż te używane w literaturze, które, w zależności od badania, używają pewnej kombinacji zawisu, antenowania lub lądowania. Eksploracja kwiatów jest bardziej rygorystyczną definicją wyboru, ponieważ wymaga, aby pszczoły nie tylko zajmowały się bodźcem poprzez unoszenie się w powietrzu, czułowanie i lądowanie na nim, ale także poprzez jego eksplorację.

Zarządzanie danymi

Techniki RFID są w stanie zebrać ogromną ilość danych w porównaniu z innymi metodami. W wyniku tego eksperymentu uzyskano 310 221 rekordów. Program bazodanowy, taki jak MySQL, jest niezbędnym narzędziem do przechowywania takiej ilości danych i równie ważne są zapytania SQL używane do wydobywania odpowiedzi na pytania badawcze. Na przykład jedną z kwestii jest definicja wyboru. Czytniki RFID zostały skonfigurowane tak, aby rejestrować obecność tagu co 1 ms, co w przypadku pszczół, które przebywały w sztucznych kwiatach przez minuty, a nawet godziny, może przełożyć się na kilka tysięcy nagrań. Naszą definicją wyboru była wizyta, która trwała co najmniej 1 ms, ale nowa wizyta nie była liczona, dopóki bieżący ciąg nagrań nie został przerwany o co najmniej 1 minutę przerwy.

Podsumowanie eksperymentu

Przeprowadzono cztery powtórzone testy dobroci dopasowania na wszystkich wyborach z "naiwnej sesji" pszczół, aby porównać proporcje wyboru z teoretyczną wartością szansy⁷. Naiwna sesja pszczoły odnosi się do pierwszego warunku testowego, w którym pszczoła "uczestniczyła". Testy G ujawniają preferencję dla pozycjonowania centralnego (patrz Tabela 1) i typu wzoru promieniowego. Rysunek 4b pokazuje, że preferencja wzoru jest odwrócona, gdy wzór koncentryczny jest umieszczony centralnie, a wzór promieniowy jest umieszczony obwodowo. Jeśli jednak pozycjonowanie jest utrzymywane na stałym poziomie, jak na rysunku 4a i d, preferowany jest wzór promieniowy. Rysunek 4 pokazuje, że względne proporcje pierwszych wyborów dla każdego wzorca dla każdej kombinacji były porównywalne z proporcjami pokazanymi dla wszystkich wyborów.

Rysunek 4. Wyniki eksperymentów RFID. Częstotliwość wyboru dla czterech różnych kombinacji kwiatów w eksperymencie 1. Ciemnobrązowe wykresy słupkowe pokazują wszystkie wybory z naiwnej sesji pszczoły (oś y po lewej stronie), a jasnobrązowe słupki wskazują pierwszy wybór każdej robotnicy (oś y po prawej stronie). "Wszystkie wybory" wykazują wzorce porównywalne do "pierwszego wyboru", ale z większą mocą statystyczną. Wykresy słupkowe pokazują, że pozycjonowanie formacji jest ważniejsze niż typ formacji. Preferowany był wzorzec umieszczony centralnie, nawet jeśli typ wzoru wyświetlał mniej preferowany wzór koncentryczny. Gwiazdki wskazują proporcję wyboru, która znacznie różni się od przypadku. Nuta. * p < 0,05, ** p < ,01, *** p < 0,001. Rysunek ten został zmodyfikowany na podstawie Orbán i wsp.^{Rozdział 11}.

pkt. pkt. pkt. pkt. zł TGL

Warunki	Pula			Heterogeniczność
	Gp	Df	p	Gh	Df	p
Centralno-promieniowy vs centralno-koncentryczny	3,96	1	0,047	197,55	Rozdział 41	0,000
Obwodowo-promieniowy vs centralno-koncentryczny	33,77	1	0,000	210,81	42 Rozdział 42	0,000
Centralno-promieniowy a peryferyjno-koncentryczny	508,31	1	0,000	345,78	Rozdział 30	0,000
Peryferyjno-promieniowe vs peryferyjno-koncentryczne	Godzina 7,42	1	0,000	84.06	24	0,000

Tabela 1. Statystyki wnioskowania dotyczące danych RFID. Eksperyment 1. Ta tabela została zmodyfikowana na podstawie Orbán et al. (2013)¹¹. G_p odnosi się do znacznego odchylenia proporcji grupy od przypadku, a G_h odnosi się do testów na różnice indywidualne (tj. niejednorodność). Prosimy o zapoznanie się z manuskryptem w celu uzyskania szczegółowych informacji na temat testów statystycznych.

Eksperyment 2: Dane wideo

Łącznie zarejestrowano 264 wybory w czterech warunkach podczas trzech sesji testowych. Tabela 2 przedstawia liczbę robotnic i wyborów dokonanych przez każdą kolonię.

Definicja wyboru

Dane wideo pozwalają na rejestrację trzech typów zachowań związanych z wyborem: zawis, antenowania i lądowania. Chociaż można zaobserwować wszystkie trzy typy zachowań, zawisanie w powietrzu i antenowanie są trudne do powiązania z numerem znacznika ze względu na szybkie ruchy, których kamery o niskiej rozdzielczości lub niskiej prędkości nie mogą nagrywać. Bardzo ważne jest, aby używać kamery o wysokiej rozdzielczości (chociaż nie było to dla nas dostępne, najlepiej byłoby używać kamery o dużej liczbie klatek na sekundę, aby zminimalizować rozmycie), aby zapewnić odczytanie numerów tagów, które mogą pojawić się tylko na niewielkiej liczbie klatek. Metoda ta została również wykorzystana do porównania wzorców wyborów z techniką RFID, która wykrywa eksplorację kwiatów.

Uwagi dotyczące wrażliwości na ruch

Jednym z kluczowych problemów w przeprowadzeniu udanego eksperymentu jest konfiguracja kamer wrażliwych na ruch. Kamera, która jest zbyt czuła, zarejestruje zbyt dużo danych, co jest niepraktyczne i może stać się bardzo kosztowne w przetwarzaniu. Na przykład początkowo nasza kamera była wyzwalana przez regularne wibracje w budynku (np. ludzie przechodzący na korytarzu, klimatyzator itp.), co skutkowało 1–2 prawidłowymi punktami danych na każde 150–200 nagranych klipów wideo. Z drugiej strony jeszcze poważniejszym błędem jest konfiguracja o niskiej czułości, która może przegapić kluczowe dane. Bardzo ważne jest, aby skonfigurować wszystkie kamery w ten sam sposób, w przeciwnym razie błędy próbkowania mogą zniekształcić wyniki.

Podsumowanie eksperymentu

Cztery powtórzone testy dopasowania wykazały trzy proporcje grup, które znacznie odbiegały od przypadku, i jedną nieistotną ogólną proporcję (zobacz Tabelę 3 i Rysunek 5). (1) Wzór jest ważny: stwierdzono istotną preferencję dla wzoru centralno-radialnego nad centralnym koncentrycznym (patrz Tabela 3). (2) Położenie wzoru radialnego jest mniej ważne: prezentacja kombinacji radialnej centralno-radialnej i obwodowej nie wykazała istotnej różnicy w stosunku do przypadku. (3) Kombinacja centralno-radialna i obwodowo-koncentryczna skutkowała silną preferencją w kierunku układu centralno-radialnego. Kombinacja centralno-koncentryczna i obwodowo-radialna spowodowała znaczną preferencję w kierunku wzoru obwodowo-radialnego. Wzór przebił lokalizację. Różnice indywidualne nie były istotne we wszystkich czterech kombinacjach (patrz Tabela 3).

Rysunek 5. Wyniki wideo wrażliwe na ruch. Częstotliwość wyboru dla czterech różnych kombinacji kwiatów w eksperymencie 2. Wyniki pokazują znaczenie typu wzoru w stosunku do pozycjonowania wzoru: Wzorce radialne były preferowane, nawet jeśli były umieszczone obwodowo. Wartości wskazują liczbę wyborów wyświetlanego wzorca. Gwiazdki wskazują proporcję wyboru, która znacznie różni się od przypadku. Nuta. ** p < 0,01, *** p < 0,001. Figura ta została zmodyfikowana w stosunku do Orbán¹¹.

szt. Rozdział

Warunki	Sesja 1	Sesja 2		Sesja 3
	Kolonia 1	Kolonia 2	Kolonia 3	Kolonia 4	Kolonia 5
Liczba pracowników	Rozdział 45	7	cyfra arabska	8	23
Liczba wyborów	151	25	cyfra arabska	20	65

Tabela 2. Statystyki opisowe danych wideo wrażliwych na ruch. Całkowita liczba wyborów zarejestrowanych na sztucznych kwiatach w eksperymencie 2 dla każdej kolonii oraz liczba robotnic dokonujących tych wyborów. Ta tabela została zmodyfikowana na podstawie Orbán i wsp.¹¹. Szczegółowe informacje można znaleźć w manuskrypcie.

pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt.

Warunki	Pula			Heterogeniczność
	Gp	Df	p	Gh	Df	p
Centralno-promieniowy vs centralno-koncentryczny	Godzina 17,98	1	0,000	Z numerem 40,72	29	0,073
Centralno-promieniowy a obwodowy radialny	1,85	1	0,173	53,63	39 Rozdział 39	0,060
Peryferyjny promieniowy a centralny koncentryczny	6,57	1	0,010	O godz. 26.31	27 Rozdział 27	0,500
Centralny promieniowy a peryferyjny koncentryczny	Godzina 18.18	1	0,000	41,92	37	0,256

Tabela 3. Statystyki wnioskowania Dane wideo wrażliwe na ruch. Eksperyment 2. Ta tabela została zmodyfikowana na podstawie Orbán i wsp.¹¹. G_p odnosi się do znacznego odchylenia proporcji grupy od przypadku, a G_h odnosi się do testów na różnice indywidualne (tj. niejednorodność). Prosimy o zapoznanie się z manuskryptem w celu uzyskania szczegółowych informacji na temat testów statystycznych.

Discussion

Technologia RFID umożliwia badanie setek pojedynczych pracowników z łatwością i dużą precyzją, ale charakterystyka rejestrowanego zachowania różni się od obserwacji dokonywanych przez ludzi i nagrań wideo. Zachowanie wyboru zarejestrowane przez RFID można opisać jako eksplorację kwiatów. Jest to bardzo ścisłe kryterium preferencji w porównaniu z kryteriami stosowanymi w innych badaniach, takich jak podejście⁸, wejście w ramię labiryntu^9,10, reakcja czułkowa⁸ lub lądowanie na wzorcu^11,12. W celu porównania trafności definicji zachowań związanych z wyborem i walidacji nowej metody RFID dla zachowań bez nagrody, w eksperymencie 2 zaobserwowano nagrania wideo z lądowania. Nie wszystkie miary wyboru są sobie równe: kryterium RFID mierzone za pomocą wpisu kwiatowego wykazało, że wizualna właściwość pozycjonowania wzoru jest ważniejsza dla wyboru pszczoły, podczas gdy dane wideo wskazały, że właściwość wizualna typu wzoru jest ważniejsza dla wyboru pszczoły.

Jednym z ogólnych wyzwań w badaniu niewyuczonych zachowań związanych z wyborami jest to, że bardzo trudno jest przyciągnąć naiwne, niewyszkolone pszczoły do sztucznych kwiatów, które nie oferują żadnego pyłku ani nektaru. Rzeczywiście, wiele z poprzednich eksperymentów uciekało się do szkolenia pszczół w środowisku testowym na bodźce, które uważa się za nieistotne dla zachowań związanych z wyborem bodźców testowych. RFID i nagrania wideo wrażliwe na ruch pokonują tę przeszkodę, umożliwiając ciągłe nagrywanie, 24 godziny na dobę, bez stałego nadzoru badacza, oraz zwiększając wielkość próby z 15–20 pszczół do kilkuset pszczół. Podczas gdy nienagradzane wybory dokonywane przez niewyszkolone pszczoły pozostają rzadkim zjawiskiem, te nowe eksperymentalne parametry projektowe umożliwiają obserwację.

Inne ulepszenia oferowane przez te dwie techniki obejmują eliminację błędu systematycznego próby, poprawę trafności zewnętrznej i śledzenie indywidualnych różnic. Błąd systematyczny próbki może zostać wprowadzony, gdy bada się tylko kilkanaście pszczół w rodzinie. Istnieją znaczące różnice w idiosynkrazjach behawioralnych między poszczególnymi robotnicami, nawet w obrębie tej samej kolonii, które prawdopodobnie są pomijane, ponieważ obserwuje się tylko te robotnice, które "współpracują" z badaczem w danym momencie. Badanie 15-20 pszczół w kolonii liczącej 300 lub więcej pszczół stanowi zaledwie 5% całej kolonii, w którym to przypadku błąd systematyczny w próbkowaniu może być znaczący. Tagowanie i obserwowanie zachowania wszystkich pracowników całkowicie eliminuje ten problem. Można również manipulować liczbą jednoczesnych wyborów bodźców. W naszym eksperymencie zaproponowaliśmy opcje binarne ze względów technicznych, ale możliwe są również projekty jednokrotnego wyboru lub kilku wyborów.

Jeśli chodzi o trafność zewnętrzną, badanie pszczół w środowisku laboratoryjnym było tradycyjnie wysoce sztuczne, co utrudniało uogólnianie wyników. Na przykład badacze musieli być obecni przy zbieraniu danych, pszczoły musiały żerować w środowisku testowym jedna po drugiej, a testy były ograniczone do krótkiego okna czasowego. Nowe techniki opisane w tym artykule usuwają te sztuczne ograniczenia, sprawiając, że obserwacja odbywa się bez nadzoru i ograniczeń. Wreszcie, indywidualne różnice w zachowaniu mogą być udokumentowane, ponieważ możemy ustalić, czy były to powtarzające się wybory jednej pszczoły, czy kilku pszczół.

Wrażliwe na ruch kamery o wysokiej rozdzielczości przestrzennej mają przewagę nad technikami RFID pod względem elastyczności projektowania bodźców: wygląd bodźca wizualnego może mieć niemal dowolny kształt lub formę, o ile identyfikacja obiektu może zostać uchwycona na co najmniej kilku klatkach. Przetwarzanie filmów jest nieco bardziej czasochłonne niż przetwarzanie danych RFID, ponieważ identyfikacja musi zostać odczytana przez badacza, co wymaga ręcznej kontroli każdego klipu wideo. Jeśli projekt bodźca wizualnego może sprostać ograniczeniom czytnika RFID (tj. znaczniki RFID na pszczole muszą znajdować się na co najmniej 3-4 mm czytnika RFID), to technologia RFID ma przewagę nad zautomatyzowanym gromadzeniem danych na dużą skalę. Badania jakościowe prawdopodobnie nadal będą faworyzowane przez analizę wideo. Jak pokazano w tym eksperymencie, czytniki RFID mogą gromadzić bardzo duże zestawy danych, które nie wymagają ręcznego kodowania. Nieco odmienne zalety związane z każdą techniką sugerują, że w przyszłości mogą być one wykorzystywane w sposób komplementarny.

Przyszłość obu technologii może leżeć w precyzyjnej kwantyfikacji rzadko występujących zachowań. Na przykład, jedną z wyraźnych możliwości przyszłych zastosowań jest zastosowanie tych technik w szklarniach i innych, bardziej naturalistycznych środowiskach. Połączenie naturalizmu i kontroli eksperymentalnej pozwoliłoby odpowiedzieć na pytania, na które wcześniej nie można było odpowiedzieć. Ogólnie rzecz biorąc, techniki te oferują dwa nowe sposoby obserwacji zachowania w rygorystyczny i skuteczny sposób. RFID i wideo wrażliwe na ruch są znaczącym krokiem naprzód nie tylko dla naukowców badających zapylacze lub owady, ale techniki te mogą również spodobać się innym naukowcom behawioralnym.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Zminiaturyzowane tagi mic3	Microsensys	mic3 TAG 64-bitowe	tagi RFID RO do przyklejenia do pszczoły
Czytnik RFID 2k6 głowica	Czytniki RFID Microsensys	2k6	wbudowane w sztuczne kwiaty
Kamery IP	Vivotek	IP8161	Magnetowidy wrażliwe na ruch
Plalith Plattchen i nietoksyczny klej	Beeworks.com	nie dotyczy	Plakietki numeryczne do przyklejenia do pszczół
Kolonia trzmieli do badań	Koppert Kanada
Sztuczne kwiaty	Nie		Opracowane przez kampusowy sklep biologiczny
Sztuczny stojak na kwiaty	Nie		Opracowane przez kampusowy sklep biologiczny
Sala lotów	Nie dotyczy		Opracowane przez kampusowy sklep biologiczny
Laptop z systemem Windows	Ogólny sprzęt / oprogramowanie Microsoft		Służy do pobierania danych RFID
Konwerter RS 232 na USB	Ogólny		Podłącz czytnik RFID do komputera
Komputer stacjonarny	IBM		Służy do przesyłania danych wideo
Druga karta sieciowa	Generic	10/100M NIC PCI	Służy do przesyłania danych wideo
Hub sieciowy	Ogólny	4-portowy	Służy do przesyłania danych wideo
Pęseta o wysokiej precyzji	SPI		Służy do przyklejania tagów numerycznych i RFID do pszczół
Cukier	Ogólny		Służy do mieszania z wodą w celu wytworzenia wody z cukrem
Pyłek	Każdy lokalny pszczelarz		Karmiony trzmielami
Klatka do znakowania z tłokiem	Beeworks.com		Wspomaga proces znakowania
Miód	Ogólny		Służy do mieszania z wodą w celu stworzenia pasty pyłkowej
Glina	do pieczeniaSculpey		Stimulus dla RFID
Narzędzia do formowania gliny	Ogólny		bodziec dla RFID
Biała księga	Ogólny		bodziec dla wideodrukarki
laserowej	Ogólny		bodziec dla wideo Ogólny bodziec dla wideo
	Ogólny		bodziec dla wideo - klips mocujący