Name: Długoterminowe śledzenie wideo zwierząt wodnych trzymanych w jednym pomieszczeniu: studium przypadku dziennej aktywności lokomotorycznej homarca norweskiego (Nephrops norvegicus) (Wideo) | JoVE Journal
Uploaded: 2019-04-08T13:00:00.000+00:00
Duration: 5 min 57 s
Description: Poznaj automatyczne śledzenie wielu zwierząt w długoterminowych badaniach behawioralnych z wykorzystaniem homarca norweskiego Nephrops norvegicus. Ta metoda znacząco skraca czas analizy nagrań wideo i poprawia dokładność wyników eksperymentalnych.

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

Autorzy są wdzięczni firmie Dr. Joan B., która sfinansowała publikację tej pracy. Autorzy są również wdzięczni technikom strefy akwarium doświadczalnego w Instytucie Nauk o Morzu w Barcelonie (ICM-CSIC) za pomoc podczas prac eksperymentalnych.
Ta praca była wspierana przez projekt RITFIM (CTM2010-16274; główny badacz: J. Aguzzi) założony przez hiszpańskie Ministerstwo Nauki i Innowacji (MICINN), oraz grant TIN2015-66951-C2-2-R z hiszpańskiego Ministerstwa Gospodarki i Konkurencyjności.

Autorzy nie mają nic do ujawnienia.

Wydajność i reprezentatywne wyniki uzyskane przy zastosowaniu protokołu śledzenia wideo potwierdziły jego przydatność w badaniach aplikacyjnych w dziedzinie zachowań zwierząt, ze szczególnym uwzględnieniem modulacji społecznej i rytmów okołodobowych zwierząt utrzymywanych wspólnie. Efektywność detekcji zwierząt (69%) oraz dokładność rozróżniania znaczników (89,5%) w połączeniu z cechami behawioralnymi (np. tempem poruszania się) zastosowanych tutaj gatunków docelowych sugerują, że protokół ten stanowi doskonałe rozwiązan...

W ciągu ostatnich kilku lat, zautomatyzowane śledzenie oparte na obrazach dostarczyło bardzo dokładne zestawy danych, które mogą być wykorzystane do zbadania podstawowych zagadnień z zakresu ekologii i zachowania1. Te zestawy danych mogą być używane do ilościowej analizy zachowania zwierząt2,3. Jednak każda metodologia obrazowa używana do śledzenia zwierząt i oceny zachowania ma swoje mocne i słabe strony. W protokołach śledzenia opartych na obrazach, które wykorzystują informacje przestrzenne z poprzednich klatek filmu do śledzenia zwierząt4,5,6, mogą wystąpić błędy, gdy ścieżki dwóch zwierząt się przecinają. Błędy te są na ogół nieodwracalne i rozprzestrzeniają się w czasie. Pomimo postępu obliczeniowego, który zmniejsza lub prawie eliminuje ten problem5,7, techniki te nadal wymagają jednorodnych środowisk eksperymentalnych do dokładnej identyfikacji i śledzenia zwierząt.
Użycie znaków, które mogą być jednoznacznie zidentyfikowane u zwierząt, pozwala uniknąć tych błędów i pozwala na długoterminowe śledzenie zidentyfikowanych osobników. Powszechnie stosowane znaczniki (np. kody kreskowe i kody QR) istnieją w przemyśle i handlu i można je zidentyfikować za pomocą dobrze znanych technik widzenia komputerowego, takich jak rzeczywistość rozszerzona (np. ARTag8) i kalibracja kamery (np. CALTag9). Oznaczone zwierzęta były wcześniej wykorzystywane do wysokoprzepustowych badań behawioralnych na różnych gatunkach zwierząt, na przykład ants3 lub bees10, ale niektóre z tych poprzednich systemów nie są zoptymalizowane pod kątem rozpoznawania izolowanych tagów3.
Protokół śledzenia przedstawiony w tym artykule jest szczególnie odpowiedni do śledzenia zwierząt na jednokanałowych obrazach, takich jak światło podczerwone (IR) lub światło monochromatyczne (szczególnie używamy światła niebieskiego). W związku z tym opracowana metoda nie wykorzystuje wskazówek kolorystycznych, mając również zastosowanie do innych ustawień, w których występują ograniczenia w oświetleniu. Ponadto używamy niestandardowych tagów zaprojektowanych tak, aby nie przeszkadzać homarom, a jednocześnie umożliwiać nagrywanie za pomocą tanich kamer. Co więcej, zastosowana tutaj metoda opiera się na wykrywaniu znaczników niezależnych od klatki (tj. algorytm rozpoznaje obecność każdego tagu na obrazie niezależnie od poprzednich trajektorii). Ta funkcja jest istotna w zastosowaniach, w których zwierzęta mogą być tymczasowo zasłonięte lub trajektorie zwierząt mogą się przecinać.
Projekt tagu pozwala na jego użycie w różnych grupach zwierząt. Po ustaleniu parametrów metody można ją przenieść w celu rozwiązania innych problemów związanych ze śledzeniem zwierząt bez konieczności szkolenia specjalnego klasyfikatora (inne skorupiaki lub ślimaki). Głównymi ograniczeniami eksportu protokołu są rozmiar znacznika i konieczność przymocowania go do zwierzęcia (co sprawia, że nie nadaje się on dla małych owadów, takich jak muchy, pszczoły itp.) oraz założenie 2D dla ruchu zwierzęcia. To ograniczenie jest istotne, biorąc pod uwagę, że proponowana metoda zakłada, że rozmiar tagu pozostaje stały. Zwierzę poruszające się swobodnie w środowisku 3D (np. ryba) pokaże różne rozmiary znaczników w zależności od jego odległości od kamery.
Celem tego protokołu jest dostarczenie przyjaznej dla użytkownika metodologii śledzenia wielu oznaczonych zwierząt przez długi okres czasu (tj. dni lub tygodnie) w kontekście 2D. Podejście metodologiczne opiera się na wykorzystaniu oprogramowania i sprzętu open source. Wolne i otwarte oprogramowanie pozwala na adaptacje, modyfikacje i swobodną redystrybucję; W związku z tym wygenerowane oprogramowanie poprawia się na każdym kroku11,12.
Przedstawiony tutaj protokół skupia się na laboratorium ustawionym do śledzenia i oceny aktywności lokomotorycznej czterech zwierząt wodnych w zbiorniku przez 5 dni. Pliki wideo są nagrywane z obrazu poklatkowego 1 s i kompilowane w film z prędkością 20 klatek na sekundę (1 nagrany dzień zajmuje około 1 godziny wideo). Wszystkie nagrania wideo są automatycznie przetwarzane w celu uzyskania pozycji zwierząt, przy użyciu metod i algorytmów widzenia komputerowego. Protokół pozwala na uzyskanie dużych ilości danych śledzenia, unikając ich ręcznego opisywania, co okazało się czasochłonne i pracochłonne w poprzednich pracach eksperymentalnych13.
Używamy homarca (Nephrops norvegicus) do studium przypadku; dlatego zapewniamy warunki laboratoryjne specyficzne dla danego gatunku, aby je utrzymać. Homary wykonują dobrze zbadane rytmy wyłaniania się nor, które są pod kontrolą zegara okołodobowego14,15, a gdy są razem, tworzą hierarchię dominacji16,17. Prezentowany tu model jest więc dobrym przykładem dla badaczy zainteresowanych społeczną modulacją zachowań ze szczególnym uwzględnieniem rytmów okołodobowych.
Przedstawiona tutaj metodologia jest łatwa do odtworzenia i może być zastosowana do innych gatunków, jeśli istnieje możliwość rozróżnienia zwierząt za pomocą indywidualnych znaczników. Minimalne wymagania dotyczące odtworzenia takiego podejścia w laboratorium to: (i) pomieszczenia izotermiczne dla stanowiska doświadczalnego; (ii) stałe zaopatrzenie w wodę; (iii) mechanizmy kontroli temperatury wody; (iv) system sterowania oświetleniem; (v) kamera USB i standardowy komputer.
W tym protokole używamy Python18 i OpenCV19 (Open Source Computer Vision Library). Bazujemy na szybkich i powszechnie stosowanych operacjach (zarówno pod względem implementacji, jak i wykonania), takich jak odejmowanie tła20 oraz progowanie obrazu21,22.

<table><tbody><tr><td>Statyw 475</td><td>Manfrotto</td><td>A0673528</td><td>Wycofane</td></tr><tr><td>ramię przegubowe 143</td><td>Manfrotto</td><td>D0057824</td><td>Wycofany z produkcji</td></tr><tr><td>aparat 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-mount f=6 mm/F1.4</td><td>Infaimon</td><td>Standard optyczny&nbsp;</td><td>https://www.infaimon.com/es/estandar-6mm</td></tr><tr><td>Zbiornik z włókna szklanego 1500 x 700 x 300 mm 3</td> tkanina filcowa Zbiornik o strukturze drewnianej 5 listew drewnianych 50x50x250 mm Tkanina filcowa o strukturze drewna 10 listew drewnianych 25x25x250 mm Wkręty ze stali nierdzewnej Tyle, <td></td><td></td><td></td></tr><tr><td></td><td>ile potrzeba do mocowania konstrukcji z listew drewnianych</td>PC <td></td><td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td><td>2-rdzeniowy procesor, 4 GB RAM, 1 GB grafiki, 500 GB</td></tr><tr><td>zewnętrznej pamięci masowej HD HDD</td><td></td><td></td><td>Pożądana pojemność</td></tr><tr><td>2 TB iSPY Sotfware dla komputera z systemem Windows</td><td>iSPY</td><td></td><td>https://www.ispyconnect.com/download.aspx</td></tr><tr><td>Zoneminder Software Linux PC</td><td>Zoneminder</td><td></td><td>https://zoneminder.com/</td></tr> <tr><td>OpenCV 2.4.13.6 Biblioteka</td><td>OpenCV</td><td></td><td>https://opencv.org/</td></tr> <tr><td>Python 2.4</td><td>Python</td><td></td><td>https://www.python.org/</td></tr> <tr><td>Camping Icebox</td><td></td><td></td><td></td></tr><tr><td>Plastikowa taca Żel</td><td></td><td></td><td></td></tr><tr><td></td><td></td><td>cyjanokrylanowy</td><td>do klejenia tagu" s&nbsp;</td></tr><tr><td>1 arkusz z tworzywa PVC (grubość 1 mm)</td><td></td><td></td><td>Konstrukcja tagu</td></tr><tr><td>1 biały arkusz z tworzywa PVC (grubość 1 mm)</td><td></td><td></td><td>Konstrukcja tagu</td></tr><tr><td>4 Tag' s & Oslash; 40 mm</td><td></td><td></td><td>Maked z czarno-białym arkuszem z tworzywa sztucznego PVC</td></tr><tr><td>3 m Blue Strid Led Ligts (480 nm)</td><td></td><td></td><td>Wodoodporne zgodnie z życzeniem</td></tr><tr><td>3 m IR Strid Led Ligts (850 nm)</td><td></td><td></td><td>Wodoodporne zgodnie z życzeniem</td></tr><tr><td>6 m&nbsp; Rury metakrylanowe i Oslash; 15 mm</td><td></td><td></td><td>Zamknięta Strid Led</td></tr><tr><td>4 Kolanko PVC&nbsp; 45o &Oslash; 63 mm</td><td></td><td></td><td>Konstrukcja nory</td></tr><tr><td>3 m Elastyczna rura PVC & Oslash; 63 mm</td><td></td><td></td><td>Konstrukcja nory</td></tr><tr><td>4 Nakrętka PVC i Oslash; 63 mm</td><td></td><td></td><td>Konstrukcja nory</td></tr><tr><td>4 O-ring & Oslash; 63 mm</td><td></td><td></td><td>Konstrukcja nory</td></tr><tr><td>4 żeńskie gniazdo PVC klej / gwint & 63 mm</td><td></td><td></td><td>Konstrukcja nory</td></tr><tr><td>10 m elektryczny DC 12V Mechanizm</td><td></td><td></td><td>sterowania oświetleniem</td></tr><tr><td>Zasilacz Ligt Zasilacz DC 12 V 300 W</td><td></td><td></td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>MOSFET, RFD14N05L, N-kanałowy, 14 A, 50 V, 3-pinowy, IPAK (TO-251)</td><td>RS Components</td><td>325-7580</td><td>Mechanizm</td></tr> <tr><td>sterowania oświetleniemDioda, 1N4004-E3/54, 1A, 400V, DO-204AL, 2-sosnowe</td><td>RS Components</td><td>628-9029</td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>Uchwyt bezpiecznika</td><td>RS Components</td><td>336-7851</td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>2-drożny zacisk zasilania 3,81 mm</td><td>RS Components</td><td>220-4658</td><td>Mechanizm sterowania światłem</td></tr><tr><td>Kondensator 220 &micro; F 200 V</td><td>RS Components</td><td>440-6761</td><td>Odporność mechanizmu sterowania oświetleniem</td></tr><tr><td>2K2 7 W</td><td>RS Components</td><td>485-3038</td><td>Bezpiecznik mechanizmu sterowania oświetleniem</td></tr><tr><td>6,3 x 32 mm2 3A</td><td>RS Components</td><td>413-210</td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>Arduino Uno Atmel Atmega 328 Płyta MCU</td><td>RS Components</td><td>715-4081</td><td>Mechanizm sterowania światłem</td></tr><tr><td>Płytka prototipe Kryza CEM3,3, RE310S2</td><td>RS Components</td><td>728-8737</td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>Przetwornica DC/DC, 12 Vin, +/- 5 Vout 100 mA 1 W</td><td>RS Components</td><td>689-5179</td><td>Mechanizm sterowania oświetleniem</td></tr><tr><td>2 SERA T8 niebieska świetlówka księżycowa 36 watów</td><td>SERA</td><td></td><td>Wycofane/Obiekt odizolowany od światła</td></tr></tbody></table>

długoterminowe śledzenie wideo zwierząt wodnych trzymanych w jednym pomieszczeniu: studium przypadku dziennej aktywności lokomotorycznej homarca norweskiego (nephrops norvegicus)

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

Prezentujemy protokół związany z techniką śledzenia wideo opartą na odejmowaniu tła i progowaniu obrazu, która umożliwia indywidualne śledzenie zwierząt trzymanych w jednym domu. Przetestowaliśmy procedurę śledzenia na czterech homarach norweskich (Nephrops norvegicus) trzymanych w kurniku w warunkach jasności i ciemności przez 5 dni. Homary zostały indywidualnie oznakowane. Konfiguracja eksperymentalna i zastosowane techniki śledzenia są w całości oparte na oprogramowaniu open source. Porównanie wyników śledzenia z wykrywaniem ręcznym wskazuje, że homary zostały prawidłowo wykryte w 69% przypadków. Wśród prawidłowo wykrytych homarów ich indywidualne znaczniki zostały poprawnie zidentyfikowane w 89,5% przypadków. Biorąc pod uwagę liczbę klatek na sekundę zastosowaną w protokole i szybkość przemieszczania się homarów, wydajność śledzenia wideo jest dobrej jakości, a reprezentatywne wyniki potwierdzają zasadność protokołu w tworzeniu cennych danych na potrzeby badawcze (indywidualne zajętość przestrzeni lub wzorce aktywności lokomotorycznej). Przedstawiony tutaj protokół można łatwo dostosować, a tym samym można go przenieść na inne gatunki, w przypadku których indywidualne śledzenie osobników w grupie może być cenne dla odpowiedzi na pytania badawcze.

Ręcznie przygotowano podzbiór danych eksperymentalnych w celu zweryfikowania analizy wideo przeprowadzonej w sposób automatyczny. Wylosowano próbę o wielkości 1 308 klatek z poziomem ufności 99% (który jest miarą pewności wskazującą, czy próba wiernie odzwierciedla populację w granicach błędu) oraz z błędem względnym wynoszącym 4% (który to procent opisuje, jak blisko odpowiedzi uzyskanej dla próby znajduje się rzeczywista wartość w populacji). Następnie wykonano ręczną adnotację poprawne...

Tutaj prezentujemy protokół do indywidualnego śledzenia zwierząt przez długi okres czasu. Wykorzystuje metody przetwarzania obrazów do identyfikowania zestawu ręcznie skonstruowanych znaczników przy użyciu grupy homarów jako studium przypadku, jednocześnie dostarczając informacji o tym, jak trzymać, manipulować i oznaczać homary.

Długoterminowe śledzenie wideo zwierząt wodnych trzymanych w jednym pomieszczeniu: studium przypadku dziennej aktywności lokomotorycznej homarca norweskiego (Nephrops norvegicus)

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

Protokół ten pozwala na automatyzację śledzenia wielu zwierząt. Używanie prostej etykiety do identyfikacji każdego zwierzęcia narzędzia do analizy tożsamości w celu wykrycia znaczników. Protokół ten znacznie zmniejsza liczbę godzin potrzebnych do analizy nagrań wideo przy użyciu danych leskey.w celu oszacowania dokładniejszych ukończeń badań eksperymentalnych. Zwierzęta w innych środowiskach, które mogą być oznaczone w podobny sposób, mogą być śledzone za pomocą podobnych protokołów, co ma zastosowanie w chronobiologii, ekologii, badaniach wirusowych lub neurobiologii. Dostarczyliśmy projekt sprzętu i język programowania open source oraz dostarczyliśmy model, który zalecamy użytkownikom przyjąć w protokołach do nauki języka programowania Python.Aby skonstruować zawieszkę dla docelowego zwierzęcia, najpierw wytnij cztery koła o średnicy 40 milimetrów z czarnego plastikowego arkusza oraz dwa trójkąty równoboczne o boku 26 milimetrów i dwa koła o średnicy 26 milimetrów z białego plastikowego arkusza PCV. Zaznacz środek jednego białego trójkąta i jednego białego koła. I zrób 10-milimetrowy otwór przy każdym znaku.Następnie przyklej jeden biały kształt do środka każdego z czterech czarn

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

Research

JoVE Journal

Environment

Środowisko

Mikroskopijne organizmy, takie jak wolno pływający nicień C. elegans, żyją i zachowują się w złożonym trójwymiarowym środowisku. Przedstawiamy nowatorskie podejście umożliwiające analizę C. elegans z wykorzystaniem wzorów dyfrakcyjnych. Metoda ta polega na śledzeniu periodyczności czasowej wzorów dyfrakcyjnych generowanych poprzez kierowanie wiązki lasera przez kuwetę.

Ilościowe badanie lokomocji swobodnie pływających mikroorganizmów z wykorzystaniem dyfrakcji laserowej

Aktywność lokomotoryczna (LMA) to prosty i łatwy do wykonania pomiar zachowania u myszy. Sprzężenie oprogramowania do śledzenia wideo (VTS) i LMA pozwala na poprawę swoistości i czułości, zwłaszcza w porównaniu z ręczną metodą analizy LMA polegającą na przekraczaniu linii. Dodatkowo VTS umożliwia długoterminowe śledzenie LMA myszy.

Krótko- i długoterminowa aktywność ruchowa myszy analizowana przez oprogramowanie do śledzenia wideo

Opisano użycie automatycznego systemu wideo 3D, który może śledzić pojedyncze osoby i grupy danio pręgowanych. Jako przykład zastosowania badamy wpływ antagonisty receptora NMDA MK-801 na ławice danio pręgowanego.

Wykorzystanie zautomatyzowanego systemu śledzenia 3D do rejestrowania osobników i ławic dorosłych ryb pręgowanego

Opisujemy zestaw technik do badania spontanicznego zachowania swobodnie pływających ryb o słabo elektrycznym okresie czasu, poprzez synchroniczny pomiar czasu wyładowania elektrycznego zwierzęcia, pozycji ciała i postawy zarówno dokładnie, jak i niezawodnie w specjalnie zaprojektowanym zbiorniku akwariowym wewnątrz sensorycznej komory izolacyjnej.

Długoterminowe śledzenie behawioralne swobodnie pływających ryb o słabym natężeniu elektryczności

Mierzenie wpływu zanieczyszczeń środowiska na zachowanie ryb jest często subiektywne i trudne, szczególnie gdy mamy do czynienia z subletalnymi punktami końcowymi. Opisujemy metody, w tym technologię wideo, do ilościowego określania zachowania pływackiego jesiotra białego (Acipenser transmontanus) we wczesnym stadium życia podczas i po 96-godzinnej ostrej ekspozycji na różne stężenia miedzi.

Kwantyfikacja zachowań ryb podczas pływania w odpowiedzi na ostre narażenie na wodną zawartość miedzi przy użyciu wspomaganego komputerowo wideo i cyfrowej analizy obrazu

Opisana jest skuteczna i prosta metodologia komputerowej analizy zachowania nicieni podczas pływania w cieczy. Metoda ta wymaga niewielkich lub żadnych inwestycji dla laboratoriów C. elegans. Używany sprzęt jest standardowy, a oprogramowanie komputerowe do analizy behawioralnej (CeleST) jest oprogramowaniem typu open source.

Zautomatyzowana analiza zachowania C. elegans podczas pływania przy użyciu oprogramowania CeleST

Danio pręgowany to doskonały model do badania funkcji mięśni i chorób. Podczas wczesnej embriogenezy danio pręgowany rozpoczyna regularne skurcze mięśni, powodując rytmiczne zachowanie podczas pływania, które zmienia się, gdy mięsień jest zakłócony. W tym miejscu opisujemy reakcję wywołaną dotykiem i test lokomocji, aby zbadać wydajność pływania jako miarę funkcji mięśni.

Wykorzystanie reakcji wywołanej dotykiem i testów lokomocji do oceny wydajności i funkcji mięśni u danio pręgowanego

Ten artykuł przedstawia nieinwazyjny system biomonitoringu do ciągłego rejestrowania i analizowania aktywności serca i lokomotoryki raków. System ten składa się z czujnika optycznego bliskiej podczerwieni, modułu śledzenia wideo oraz oprogramowania do oceny bicia serca raków, które odzwierciedla ich stan fizjologiczny i charakteryzuje zachowanie raków podczas wahań bicia serca.

Ciągły nieinwazyjny pomiar czynności serca i zachowania raków

Tutaj prezentujemy metody wysokoprzepustowego badania szeregu zachowań meksykańskich ryb jaskiniowych i istotnego barwienia systemu mechanosensorycznego. Metody te wykorzystują wolne oprogramowanie i niestandardowe skrypty, zapewniając praktyczną i opłacalną metodę badania zachowań.

Śledzenie behawioralne i obrazowanie neuromastu meksykańskich ryb jaskiniowych

Badanie to analizuje wpływ wieku na lokomocję u C. elegans poprzez pomiar największego wykładnika Lyapunova (LLE). Wraz z wiekiem C. elegans wykazują wzrost i późniejszy spadek kontroli motorycznej. Wyniki pokazują szczyt LLE po pięciu dniach, a następnie spadek wraz z wiekiem robaków.

Wiekowa dynamika lokomocji u Caenorhabditis elegans: analiza wykładnika Lyapunova

Badania sieci badawczych optycznych oferują nieinwazyjną metodę pobierania próbek populacji ryb dennych i zapewniają dane w bardziej szczegółowej skali niż tradycyjne badania sieci badawczych. Ten artykuł przedstawia ogólną procedurę przeprowadzania optycznego badania sieci badawczych ryb dennych w Nowej Anglii.

Badania optycznemiędzypływkami ryb dna morskiego: Badanie wideo z użyciem ciągników po zachodniej części Zatoki Maine z dotyczącym dorsza atlantyckiego (Gadus morhua)

Poznaj automatyczne śledzenie wielu zwierząt w długoterminowych badaniach behawioralnych z wykorzystaniem homarca norweskiego Nephrops norvegicus. Ta metoda znacząco skraca czas analizy nagrań wideo i poprawia dokładność wyników eksperymentalnych.

Długoterminowe śledzenie wideo zwierząt wodnych trzymanych w jednym pomieszczeniu: studium przypadku dziennej aktywności lokomotorycznej homarca norweskiego (Nephrops norvegicus) (Wideo) | JoVE Journal

Długoterminowe śledzenie wideo zwierząt wodnych trzymanych w jednym pomieszczeniu: studium przypadku dziennej aktywności lokomotorycznej homarca norweskiego (Nephrops norvegicus)

Przeglądaj więcej filmów