Radio Frequency Identification och Motion känsliga Video effektivt Automatisera Registrering av unrewarded val Beteende av Bumblebees

Abstract

Vi presenterar två metoder för att observera humla val beteende i ett slutet testning utrymme. Den första metoden består av Radio Frequency Identification (RFID) läsare inbyggda i konstgjorda blommor som visar olika visuella signaler och RFID-taggar (dvs. passiva transpondrar) limmade på bröstkorgen av humla arbetare. Det nya i vår implementering är att RFID-läsare inbyggd i konstgjorda blommor som kan visa flera olika visuella egenskaper såsom färg, mönster typ, spatial frekvens (dvs "SYSSELSATTHET" av mönstret), och symmetri (spatial frekvens och symmetri inte manipuleras i detta experiment). Dessutom är dessa synliga i samband med de automatiserade system har möjlighet att spela belönas och otränade val beteende. Den andra metoden består av inspelnings val beteende i konstgjorda blommor med hjälp av rörelsekänsliga HD-videokameror. Bumblebees har nummer taggar limmade till sina thoraces för unik identifiering. Fördelen i detta genomförande under RFID är att förutom att observera landning beteende, alternativa åtgärder för preferens såsom svävande och antennation kan även observeras. Båda automationsmetoder ökar experimentell kontroll och intern validitet genom att tillåta större skala studier som tar hänsyn till individuella skillnader. Extern validitet är också bättre eftersom bina kan fritt in och ut ur testmiljö utan begränsningar, till exempel att det finns en forskningsassistent på plats. Jämfört med humant observation i realtid, de automatiserade metoder är mer kostnadseffektivt och möjligen mindre felbenägna.

Introduction

Ett centralt problem i att studera unlearned val beteende av humlor och bin är att blom naiva, outbildade arbetare inte lätt kommer in i testningen utrymme där inställningar kan mätas. Som ett resultat av många forskare förlita sig på en mindre än idealisk teknik: pre-utbildning av arbetstagare för att mata in i provutrymmet från skenbart neutrala stimuli som forskarna anser vara annorlunda än de experimentella stimuli. Men senare experiment visat att stimuli som ansågs vara neutrala (dvs stimuli som inte påverkar efterföljande val beteende i en testsession) har påverkat preferenser på oväntade sätt ^1. Automatiserade system som inkluderar Radio Frequency Identification (RFID) ² och rörelsekänsliga videoinspelningar kan erbjuda en möjlighet att lösa detta problem. Syftet med studien var dubbelt: (1) i första hand att bidra till litteraturen om olärda blommiga preferenser av humlor, (2) och i andra hand för att evaluate två val mätsystem, som registrerats av två olika automatiserade inspelningsenheter.

Två automatiska system ³ genomfördes i denna studie att observera unlearned val beteende: RFID och rörelsekänsliga videoinspelningar. Två viktiga delar i båda systemen är att val inte belönas, och visning av olika visuella referenser kan manipuleras. Rörelsekänslig video (high definition, inspelning på 1 MP upplösning) inte bara möjliggör kontinuerlig observation av fritt utforska arbetstagare i en flygrummet, men är avgörande för en effektiv övervakning av relativt sällsynta händelser ^4.

Forskningsfrågan i experiment 1 avser hur olika visuella egenskaper samverkar när de visas tillsammans. Denna studie avser att undersöka den relativa betydelsen av mönsterpositionering i förhållande till mönstertypen. Med hjälp av en 2 x 2 design, radiell (dvs, sunburst) och koncentrisk (dvs, tjur eye) är mönstertyper placeras antingen centralt eller perifert på en konstgjord blomma (se figur 1 för exempel på stimuli). RFID-läsare är inbyggda i dessa specialdesignade konstgjord blomma stimuli, och humlor emot RFID aktiverat taggar som tillåter oss att spela in varje taggade arbetstagare som kommer in i konstgjord blomma stimulans. RFID observation fungerar genom läsaren mekanismen (inbyggd i de konstgjorda blommor) sänder signaler vid radiofrekvenser (13.56 MHz i detta fall), som moduleras genom närvaron av passiva taggar. Läsaren kan upptäcka och registrera dessa signalmoduleringar, som varierar något över taggar som möjliggör tag unik identifikation.

Frågorna om experiment 2 är trefaldigt. Först är flower-entry, mätt med RFID och landning, mätt genom videoinspelningar likvärdiga kriterier val? Val mäts vid olika punkter (landning för video, och blomma post för RFID), vilket kan översättas till olika åtgärderav preferens. För det andra, vad är effekten av centrala kontra perifera placering? Det är inte känt huruvida arbetarna skulle välja en central mönstret om en kombination som består av två radiella mönster i olika positioner presenterades (se figur 4b). För det tredje, vad är den relativa betydelsen av mönsterpositionen vs mönster typ? Med andra ord, humlor kommer att landa på mönstren i den föredragna mönstret typ, eller den föredragna mönstret position? Bin kan föredrar central-radial till en perifer-koncentriskt mönster, men inställningen kan bero på typen mönster eller dess centrala placering. I detta experiment, var två variabler mot varandra ⁵ (se figur 4c, d).

I försök 2 använde vi rörelsekänsliga videoinspelningar på blomliknande stimuli. Konstgjorda blommor placerades inuti en flygning bur, och rörelsekänsliga HD-videokameror har pekat på dessa blommor från front och toppen. Mer specifikt var två videokameror placerade så att fånga frontvy av vart och ett av de två stimuli i provutrymmet. Ytterligare en videokamera var placerad mellan stimuli för att spela in svävande beteende från ovan, och fångade beteende från båda konstgjorda blommor. Humlor identifierades med siffer taggar som kan läsas på HD-videoklipp. Hovring, antennation och landnings beteenden observerades.

Protocol

The Animal Care kommittén vid University of Ottawa har godkänt vår försöksprotokoll, som skisserar säkerhetsföreskrifter för personal som arbetar med bin.

1. Testmiljö Framställning

1. Förbered ett tomt utrymme (isolerad rum, eller metall-skärm täckt flygning bur) på 2 mx 2 mx 2 m.
   OBS: Om rummet väljs som testutrymmet, se till att bina inte kan komma ut genom fönstren, utrymmen under dörrar och luftväxlingskanaler.
2. Lägg små startpunkter (t.ex. hål, ca. 2 cm i diameter) med flygburen där bin kan komma in och ut ur provutrymmet utan hinder. Designa en mekanism för att blockera accesspunkter för att hålla bin ur testutrymmet under perioder reserverade för underhåll och utrustning konfiguration.
   OBS: Vi använde Bombus Impatiens Cresson arbetare.
3. Anslut en eller två kolonirutor testningen-rymden med hjälp av en kontakt. Se till att en död bin inte kan block kontaktdonet.
   ANMÄRKNING: Här använder två typer av förbindelsestrukturer: en trä "bro" struktur med en glaslocket och ett trådnät rör. De är lätta att rengöra och de ger dragkraft för bina.
4. Placera två konstgjorda blomhållare inuti test-utrymmet.
   1. Placera blomhållare i mitten av testningen-space, eller bifoga dem i väggen.
   2. Anslut en "2K6 huvud" RFID-läsare till toppen av cylinderpartiet av det konstgjord blomma med hjälp av maskeringstejp (se figur 1 för positionering). Använd en 1,2 meter hög trä stå på för att fästa konstgjorda blommor.
      OBS: Den övre delen av stativet borde finnas med en fästmekanism där konstgjorda blommor kan anslutas. Se Figur 2 för en schematisk ritning
5. Lägg högfrekvent (min. 200 Hz) lysrörsarmaturer att adekvat tända test-utrymmet. Använd en högfrekvent elektronisk reaktor för att säkerställa att light flimmer är över humlor visuella flimmer fusion tröskeln ^6.
   OBS: Här använder 12 dagsljus fluorescerande lampor som producerar cirka 1.200 lux ljusintensitet för ett utrymme på 2 x 2 x 2 m.

Figur 1. RFID Konstgjord blomma design. Schematisk beskrivning av RFID-aktiverade konstgjord blomma som används i experiment 1. RFID-läsaren vilade ovanpå den öppna cylindern genom centrum av blomman. Stimuli mönster och befattningar: a. perifer-koncentriska, f. central-koncentriska, c. perifer-radial och d. central-radial. Denna siffra har modifierats Orbán et al. ^11.

Klicka här för att se en större version av denna siffra.

2. Bumblebee Colony Framställning

1. Vid ankomsten av kommersiellt beställda kolonier, anslut kolonin rutan till flygburen.
2. Tillhandahålla pollen (uppsamlades genom honungsbin från ett flertal växter) och socker-vatten (1: 1 i volym) ad libitum fram till starten av testsessioner.
   1. Koka 1 liter vatten och blanda i samma volym av socker för att skapa sockervattenlösning av.
   2. Köp pollen från en apiarist eller comkommersiell leverantör av bumblebee kolonier. Finfördela pollen med en mortel och mortelstöt, och blanda med honung och vatten (om det behövs) för att göra den till en fuktig pasta.
3. När experimentet börjar ge 15-40 ml socker vatten (kvantitet proportionell mot kolonistorlek) dagligen. Fortsätt att ge pollen ad libitum. Ställ socker vattenmängden enligt lagernivåer i honung krukor.
   OBS: Att hålla matförvaring nivåerna låga ger ett incitament för arbetstagare att lämna boet för att söka mer mat.
4. Låt bina att komma in i testmiljön via kontaktstruktur, som beskrivs i steg 1.3.
   OBS: Bin röra sig fritt mellan boet och testmiljö under hela försöket.

3. Förberedelser för observation av Radio-Frequency Identification

1. Börja limning RFID-taggar på bröstkorgen av arbetarna så snart kolonin anländer, och fortsätter under hela experimentet, som nya verkers fram.
2. Limning Teknik
   1. Placera alla arbetstagare i separata kärl under den första taggning. Cool arbetare i cirka 1 timme i kylen (ca 7 ° C) för att sakta ner dem.
      OBS: Kyla ner arbetare i förväg om märkning bidrar till att göra aggressiva kolonier mer hanterbar. Detta minimerar risken för stick.
   2. Med hjälp av märkningsapparat och giftfri lim (tillhandahålls av taggleverantören), fäst RFID-tagg på bröstkorgen för arbetstagaren. Limma RFID-taggar för arbetstagare som de dyker upp, medan de fortfarande är i callow stadiet (innan de kan flyga).
   3. Vänta minst 10 minuter innan du placerar den anställde tillbaka i kolonin för att säkerställa att RFID-taggen kan inte tas bort av arbetstagaren.
3. Ta hand om arbetstagare som inte var märkta under sin callow skede, eller arbetstagare som har förlorat sina RFID-taggar (sett från limrester eller kal fläck på bröstkorgen).
   OBS: Dessa bin kan ha haft erfarenhet outside kolonin.
4. RFID Reader
   1. Använd en persondator (PC) för att konfigurera RFID-läsare programvara. Ändra operativsystemets datumformatet till åååå-mm-dd hh: mm: ss för att säkerställa de nedladdade RFID-data är korrekt kodade. Justera programmet levereras med RFID-läsare med hjälp av programmeringsspråket C ++ för att tillåta export av data på RFID-läsare som kommaseparerade värden (CSV).
   2. Anslut RFID-läsare till datorn med en RS-232 till USB-kontakten. Hämta data till RFID-läsaren regelbundet, innan läsaren når lagringskapacitet (upp till 32.000 poster). Använd RFID-läsare för att spela in datum, tid och en tretton tecken unik sträng som är associerad med varje tagg. Importera den nedladdade CSV-fil till en relationsdatabas management system (RDBMS).

4. Konstgjord blomma Förberedelse för RFID-läsare

1. Köp blågula baka lera från en lokal hantverk butik.
2. Skapa en blue cylinder med en diameter på 1,5 cm, och skär ett 1,5 cm x 3 cm hål på sidan.
   OBS: hål på sidan av cylindern kommer att fungera som behållare för RFID-läsaren.
3. Skapa en blå kon med en diameter av 8 cm på en ände, och 1,5 cm på den andra änden.
4. Slå ihop cylindern och könen.
5. Skapa en 20 cm lång och 0,5 cm bred sträng av gul lera.
6. Skär den gula strängen storlek, och arbeta i det blå konen och cylindern.
   OBS: Radial former kommer att kräva 5 cm långa raka linjer och koncentriska former kommer att kräva 4-8 cm långa rundade linjer.
7. Grädda lera vid 130 ° F tills helt härdad.

5. Förberedelser för observation av Motion känsliga Videoinspelning

1. Börja limning färgad plast antal taggar på bröstkorgen av arbetstagare bin så snart kolonin anländer, och fortsätter under hela experimentet som nya arbetstagare uppstår.
2. Ta bort alla arbetstagare under den inledande tagging session för att garantera att varje individ får ett antal tagg. Placera arbetare tillbaka i kolonin direkt efter märkningen.
   OBS: Till skillnad från RFID-taggar, antal taggar är svårare för arbetstagare att ta bort.
3. Som nya arbetstagare fram, tagga dem medan de fortfarande är Callow. Tagga frekvens varierar med tillståndet i kolonin cykeln, men genomsnitt till omkring 7-10 arbetare var 2-3 dagar. Ta hand om arbetstagare som inte var märkta under sin callow stadium eftersom de kanske inte längre är flower-naiva.
4. System för att märka fler arbetare än tillgängliga märkena
   OBS: Om experimentet fortsätter under en period av månader och flera kolonier är inblandade, det finns en god chans att tillgängliga märkena tar slut. Det finns cirka 7 urskiljbara tag färger vardera numrerade från 1 till 99 tillåter upp till 693 samtidigt taggade arbetare. Ett experiment som körs i 3 månader med hjälp av 3-4 kolonier kommer att ha drygt 693 anställda totalt, men aldrig samtidigt levande. <ol>
5. Se till att siffror taggar är placerade systematiskt (t.ex. ovansidan av tag-nummer är alltid i linje med bee huvud), särskilt för följande nummer: 6, 9, 66, 69, 99.
6. Ta bort döda arbetare, och spela in sin tag-nummer som "frigjort". Upprätthålla en databas med märkningsnummer och färger som är "tillgängliga" eller "används" för att se till att en unik tagg inte används på flera bin samtidigt.
   NOT: Ytterligare taggkombinationer kan framställas genom att tillsätta färger för att redan befintliga färger. Till exempel kan tillsats av en gul prick till en blå etikett med en Sharpie penna skapa nya kombinationer.

Video Data Processing

1. Placera två Internet Protocol (IP) videokameror (minst 1 mp bildupplösning) framför varje blomsterprakten, utanför testmiljön (se figur 3).
   
   ANMÄRKNING: En glasavdelare mellan IP-videokameror och de konstgjorda blommor säkerställer att de konstgjorda blommor är tydligt synliga. De IP-videokameror kan vara upp till 5 m från de stimuli. Klicka här för att se en större version av denna siffra.
2. Byt ut lager objektiv med 1,8 mm vari-fokala linser. Dessa linser ger tillräckligt zoom och fokus på de konstgjorda blommorna.
3. Placera en extra IP-videokamera direkt ovanför konstgjord blomma, med fokus på ett område 1-2 m framför de konstgjorda blommor. Denna videokamera fångar svävande och antennation beteenden.
4. Anslut IP videokameror till en dator via ett sekundärt nätverkskort (NIC) och en Ethernet-hubb.
5. Konfigurera datorns dynamic host configuration protocol (DHCP) för att dynamiskt fördela IP-adresser till IP-videokameror.
6. Konfigurera ett filöverföringsprotokoll (FTP) server på datorn.
7. Konfigurera en FTP-klient process för att automatiskt sätta in videoklipp på datorn.
8. Konfigurera IP-videokamera för att spela in en 10 sek videoklipp varje gång rörelse detekteras.

Videoklipp Analysis

1. Öppna ett videoklipp, och visa innehållet bildruta för bildruta med en videovisare val.
2. Spela ett bi plast tag-nummer, datum och tid för inspelning i ett kalkylblad eller en RDBMS. Här definierar en landning som ett bi ben kommer i kontakt med den konstgjorda blomman.
   OBS: Släng val som socialt påverkas (landning medan en annan bee är närvarande på stimulus).

e "> 6. Konstgjord blomma Förberedelser för videoövervakning

1. Designa visuella egenskaper med hjälp av en grafisk redigeringsprogram.
   OBS: Se till att det tryckta mönstret kan skäras och vikas in i en kon. Använd geometriska beräkningar för att producera den utskurna formen som resulterar i en kon med en 8 cm diameter.
2. Skriv ut, klippa och vika den visuella egendom till en kon.
3. Limma fästklämmor på stimuli (se figur 2).

7. Statistisk analys

1. I båda experimenten, beräkna ett val andel för varje bi (t.ex., gjorde en särskild bee x val av en blomma ur totalt y).
2. Analysera dessa andelar med en replikerad Goodness of Fit Test ^7.
   ANMÄRKNING: En replik G-test beräknar en heterogenitet värde (G _h) som indikerar den mängd variabilitet replikat (dvs varje bi), och en poolad värde (G _p) som visar den totala betydelsen avalla val proportioner. G-värdena jämförs med χ ² värden i tester av betydelse.

8. Stimuli Presentation Sequence

1. Fäst konstgjorda blommor till blomster står inne i provutrymmet. Ändra kombinationen och placering av det visade stimuli vid regelbundna tidsintervall (t.ex., dagligen) för att undvika lokaliseringseffekter.

9. Studie Uppsägning

1. Placera kolonierna i frysen vid -10 ° C under 3 dagar för att döda bina.

Representative Results

Experiment 1: RFID Data

Alla 375 arbetare i kolonin var RFID taggade, och 318 av dessa arbetare (85%) kom in i flygningen-buren någon gång under studien. Totalt 197 (62% av bin som lämnade kolonin) besökas minst en av fyra konstgjord blomma stimuli.

Definition av ett val

Ett val definierades som en arbetare kommer in i konstgjord blomma (se fig 1). Vi märkt detta beteende som "floral prospektering." Denna definition av ett val är strängare än de som används i litteraturen, som, beroende på studien, använder en kombination av svävande, antennation eller landning. Floral utforskning är en strängare definition av val eftersom det kräver att bin inte bara sköta en stimulans genom att hovra, antennating och landning på det, men också genom att utforska den.

Datahantering

Sammanfattning av experiment

Fyra replike godhet passningstest utfördes på samtliga val från ett binas "naiva session" för att jämföra val proportions till ett teoretiskt värde på slumpen ^7. Ett bi är naiv session avser den första test tillstånd där biet "deltagit". G-provningar visar en preferens för centrala placeringen (se tabell 1) och radiellt mönster typ. Figur 4b visar att mönstret preferens är omvänd när den koncentriska mönster är placerad centralt och radiellt mönster är placerad perifert. Om emellertid positionering hålles konstant som i fig 4a och d, är mönster preferens mot den radiellt mönster, fig. 4 visar att de relativa proportionerna av första val för varje mönster för varje kombination var jämförbara med de proportioner som visas för alla val.

Figur 4. RFID Experimentella resultat. Choice frekvenser vid than fyra olika blomsterkombinationer i experiment 1. De mörkbruna stapeldiagram visar alla val från biets naiva session (vänster sida y-axeln), och de ljusbruna staplarna anger det första valet av varje arbetstagare (höger y-axeln ). "Alla val" visa jämförbara mönster till "första val", men med större statistisk styrka. Stapeldiagrammen visar att positioneringen av mönster är viktigare än den typ av ett mönster. En centralt placerad mönster föredrogs även om typen mönstret visade en annars mindre föredra koncentriska mönster. Asterisker indikerar ett val andel som skiljer sig mycket från slumpen. Anm. * P <0,05, ** p <0,01, *** p <0,001. Denna siffra har modifierats Orbán et al. ^11.

Villkor	Pooled			Heterogenitet
	Gp	df	p	Gh	df	p
Central-Radial vs Central-Concentric	3,96	Ett	0,047	197,55	41	0,000
Perifer-Radial vs Central-Concentric	33,77	Ett	0,000	210,81	42	0,000
Central-Radial vs Peripheral-Concentric	508,31	Ett	0,000	345,78	30	0,000
Perifer-Radial vs Peripheral-Concentric	7,42	Ett	0,000	84,06	24	0,000

Tabell 1. Trendanalys av RFID Data. Experiment 1. Denna tabell har ändrats från Orbán et al. (2013) ^11. G _p refererar till betydande avvikelse från en grupp andel av en slump, och G _h hänvisar till tester för individuella skillnader ( dvs heterogenitet). Se manuskriptet för fullständig information om de statistiska test.

Experiment 2: Video Data

Sammanlagt 264 val registrerades över de fyra förhållanden under tre testtillfällen. Tabell 2 visar antalet arbetare och val bidrog från varje koloni.

Definition av ett val

Videodata tillåter inspelning av tre typer av val beteende: svävande, antennation och landning. Även om alla tre typer av beteenden kan observeras, svävande och antennation är difficult att associera med en tagg nummer på grund av snabba rörelser som videokameror med dålig upplösning, eller låg hastighet inte kan spela. Det är viktigt att använda en HD-videokamera (även om detta inte var tillgänglig för oss, helst en hög bildhastighet videokamera bör användas för att minimera oskärpa) för att säkerställa märkningsnummer som bara kan finnas på ett litet antal bilder kan läsas . Denna metod användes också för att jämföra valsmönster med RFID-teknik, vilken detekterar blom- utforskning.

Förslag känslighets överväganden

En av de viktigaste frågorna i att producera ett lyckat experiment är konfigurationen av rörelsekänsliga videokameror. En videokamera som är för känslig kommer att spela in för mycket data som är opraktiskt och kan bli mycket dyrt att bearbeta. Till exempel, till en början vår videokamera utlöstes av regelbundna vibrationer i byggnaden (t.ex. människor som passerar förbi på hallen, luftkonditionering etc.), vilket resulterade i 1R11, 2 giltiga datapunkter för varje 150-200 inspelade videoklipp. Å andra sidan, är en ännu mer allvarligt fel en konfiguration med låg känslighet, vilken kan missa viktiga data. Det är viktigt att konfigurera alla videokameror på samma sätt, annars kan urvalsfel förvränga resultaten.

Sammanfattning av experiment

Fyra replik godhet passningstest hittade tre grupp proportioner som avvek avsevärt från en slump, och en icke-signifikant total andel (se tabell 3 och figur 5). (1) Mönster är viktig: en signifikant preferens för den centrala-radiell över det centrala-koncentriskt mönster hittades (se tabell 3). (2) Placering av radiella mönster är mindre viktigt: presentationen av den centrala-radiell och perifer radiell kombination visade ingen signifikant skillnad från slumpen. (3) Den centrala-radiella och perifera-koncentriska kombinationen resulterade i en stark preferens motär den centrala-radiella mönster. Den centrala-koncentriska och perifera-radiell kombination framkallade signifikant preferens mot perifera-radiella mönster. Mönster falska plats. Individuella skillnader var icke signifikant i alla fyra kombinationer (se tabell 3).

. Figur 5. rörelsekänsliga Video Results Choice frekvenser vid de fyra olika blomsterkombinationer i Experiment 2. Resultaten visar betydelsen av mönstertyp över mönster positionering: Radial mönster föredrogs även om mönstren var placerade perifert. Värdena anger antal alternativ, det visade mönstret. Asterisker indikerar ett val andel som skiljer sig mycket från slumpen. Anm. ** P <0,01, *** p <0,001. Denna siffra har modifierats Orbán ^11.

Villkor	Session 1	Session 2		Session 3
	Koloni 1	Koloni 2	Koloni 3	Koloni 4	Colony 5
Antal arbetare	45	7	2	8	23
Antal val	151	25	2	20	65

Tabell 2. Deskriptiv statistik rörelsekänslig Video Data. Totalt antal val som registrerats vid de konstgjorda blommor i försök 2 för varje koloni, och antalet arbetare som tillverkade dessa val. Denna tabell har ändrats från Orbán et al. ^11. Se manuskriptetför fullständig information.

Villkor	Poolad			Heterogenitet
	Gp	df	p	Gh	df	p
Central-Radial vs Central-Concentric	17,98	Ett	0,000	40,72	29	0,073
Central-Radial vs Peripheral Radial	1,85	Ett	0,173	53,63	39	0,060
Perifer Radiell vs Central Koncentrisk	6,57	Ett	0,010	26,31	27	0,500
Central Radiell vs Perifer Koncentrisk	18,18	Ett	0,000	41,92	37	0,256

Tabell 3. Trendanalys rörelsekänslig Videodata. Experiment 2. Denna tabell har ändrats från Orbán et al. ^11. G _p refererar till betydande avvikelse från en grupp andel av en slump, och G _h hänvisar till tester för individuella skillnader ( dvs heterogenitet). Se manuskriptet för fullständig information om de statistiska test.

Discussion

RFID-tekniken gör det möjligt att studera hundratals enskilda arbetstagare med lätthet och hög precision, men egenskaperna hos den inspelade beteendet skiljer sig från observationer av människor och videoinspelningar. Valet beteende registreras av RFID kan beskrivas som blommig prospektering. Detta är en mycket strikt kriterium för företräde i förhållande till kriterier som används i andra studier, såsom tillvägagångssätt ^8, tas i en labyrint-arm ^9,10, antenn reaktion ^8, eller landning på ett mönster ^11,12. För att jämföra giltigheten av valet beteendedefinitioner, och för att validera den nya RFID-metod för belönas beteende var videoinspelningar av landning observerats i experiment 2. Alla val åtgärder inte är lika: RFID kriteriet mätt med blommig post, visade att den visuella egendom mönster positionering är viktigare att bee val, medan videodata indikerade att den visuella egendom mönstertypen är viktigare att bee val.

En av de generella utmaningarna i att studera unlearned val beteende är att det är mycket svårt att attrahera blomma naiva, outbildade bin till konstgjorda blommor som inte erbjuder någon pollen eller nektar. Många av de tidigare experimenten grep utbilda bina i testmiljö på stimuli som tros vara irrelevant för valet beteende i test stimuli. RFID och rörelsekänsliga videoinspelningar vinna detta hinder genom att tillåta kontinuerlig inspelning, 24 timmar om dagen, utan ständig tillsyn av forskaren, och genom att öka urvalets storlek 15-20 bin till flera hundra bin. Medan belönas val av otränade bin förbli en sällsynt företeelse, dessa nya experimentella konstruktionsparametrar gör observationen möjligt.

Andra förbättringar som erbjuds av dessa två tekniker omfatta undanröjande av prov bias, förbättring av extern validitet, och spårning av individuella skillnader. Sample partiskhet kan införas när endast studerar ett tiotal bin i en koloni. Det finns stora skillnader i beteende egenheter över enskilda arbetstagare, även inom samma koloni som sannolikt missas eftersom endast de arbetstagare observeras att hända "samarbeta" med forskaren vid en given tidpunkt. Studera 15-20 bin i en koloni av 300 eller fler bin, utgör så lite som 5% av den totala kolonin, i vilket fall provtagning fördomar kan vara betydande. Märka och observera beteendet hos alla arbetstagare eliminerar denna fråga helt och hållet. Antalet samtidiga stimuli val kan också manipuleras. Vi erbjöd binära val i vårt experiment av tekniska skäl, men enda val eller flera val mönster är också möjliga.

När det gäller extern validitet, studera bin i laboratoriemiljö har traditionellt varit synnerligen konstlad, vilket har hindrat generaliserbarhet av resultaten. Till exempel forskarna tvungna att vara prESENT för datainsamling, bina fick föda i en testmiljö en efter en, och testning var begränsad till ett litet tidsfönster. De nya tekniker som beskrivs i detta dokument att ta bort dessa artificiella begränsningar genom att göra observationer utan tillsyn och obegränsad. Slutligen kan individuella skillnader i beteende dokumenteras eftersom vi kan ta reda på om dessa upprepade val av en enda bi eller flera bin.

Rörelsekänslig, hög rumslig upplösning videokameror har kanten över RFID teknik i termer av flexibilitet stimuli utföranden: uppkomsten av en visuell stimulans kan vara nästan vilken form eller form så länge som patientens identifikation kan fångas på åtminstone en några ramar. Bearbetning videos är lite mer tidskrävande än att bearbeta RFID data eftersom identifieringen måste läsas av forskaren, som kräver manuell kontroll av varje videoklipp. Om den visuella stimulans design kan möta de begränsningar av RFID-läsare (dvs måste RFID taggar på biet kommer till åtminstone 3-4 mm av RFID-läsaren), sedan RFID-tekniken har kanten över automatisk datainsamling storskalig. Kvalitativ forskning skulle sannolikt fortsätta att gynnas av videoanalys. Såsom visas i detta experiment, kan RFID-läsare hopa mycket stora datamängder som inte kräver någon manuell kodning. De lite olika fördelar som är förknippade med varje teknik tyder på att de i framtiden skulle kunna användas på ett kompletterande sätt.

Framtiden för båda teknikerna kan ligga i exakt kvantifiering av sällan förekommande beteenden. Till exempel, är en klar möjlighet för framtida applikationer för att anställa dessa tekniker i växthus och andra mer naturalistiska miljöer. Kombinationen av naturalism och experimentell kontroll skulle göra det möjligt att ta itu med frågor som inte var möjligt att besvara innan. I stort sett dessa tekniker erbjuder två nya sätt att observera beteende i en rigorös and effektivt sätt. RFID och rörelsekänslig video är ett stort steg framåt inte bara för forskare som studerar pollinatörer eller insekter, men dessa tekniker kan också vädja till andra beteendevetare.

Materials

Name	Company	Catalog Number	Comments
Miniaturized mic3 tags	Microsensys	mic3 TAG 64 bit RO	RFID tags to glue to bee
RFID reader 2k6 head	Microsensys	2k6	RFID readers built into artificial flowers
IP camcorders	Vivotek	IP8161	Motion-sensitive video recorders
Opalith Plattchen number tags and non-toxic glue	Beeworks.com	n/a	Number tags to glue to bees
Bumblebee Colony for Research	Koppert Canada
Artificial flowers	N/A		Developed by campus biology shop
Artificial flower stand	N/A		Developed by campus biology shop
Flight room	N/A		Developed by campus biology shop
Laptop with Windows	Generic hardware / Microsoft software		Used to download RFID data
RS 232 to USB converter	Generic		Connect RFID reader to computer
Desktop	IBM		Used to transmit video data
Second NIC	Generic	10/100M NIC PCI	Used to transmit video data
Network hub	Generic	4-port	Used to transmit video data
High precision tweezer	SPI		Used to glue number and RFID tags to bees
Sugar	Generic		Used to mix with water to create sugar-water
Pollen	Any local apiarist		Fed to bumblebees
Marking cage with plunger	Beeworks.com		Aids tagging process
Honey	Generic		Used to mix with water ot create pollen paste
Bake clay	Sculpey		Stimulus for RFID
Clay shaping tools	Generic		Stimulus for RFID
White paper	Generic		Stimulus for Video
Laser printer	Generic		Stimulus for Video
Wood	Generic		Stimulus for Video -- attachment clip