Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

تتبع الفيديو الطويلة الأجل من الحيوانات المائية كوهوسيد: دراسة حالة من "النشاط الحركي اليومي" "النرويج جراد البحر" (النرويجي نيفروبس)

Published: April 8, 2019 doi: 10.3791/58515
Automatic Translation
*1,2, *3,4, 1, 2
1Universitat Oberta de Catalunya, 2Institute of Marine Sciences, Spanish National Research Council (CSIC), 3Institute for Environmental Protection and Research (ISPRA), 4Department of Biology and Ecology of Fishes, Leibniz-Institute of Freshwater Ecology and Inland Fisheries
* These authors contributed equally

Summary

نقدم هنا بروتوكولا لتعقب الحيوانات على حدة على مدى فترة طويلة من الزمن. ويستخدم الكمبيوتر رؤية أساليب تحديد مجموعة من العلامات المركبة يدوياً باستخدام مجموعة من جراد البحر كدراسة حالة، في نفس الوقت توفير المعلومات بشأن كيفية البيت، التلاعب، ووضع علامة جراد البحر.

Abstract

نقدم بروتوكول ذات الصلة بأسلوب التعقب بالفيديو على أساس الطرح الخلفية والصورة العتبة التي تجعل من الممكن تعقب الحيوانات كوهوسيد على حدة. نحن اختبار تتبع الروتين مع أربعة كوهوسيد النرويج الكركند (النرويجي نيفروبس) تحت ظروف الضوء الظلام لمدة 5 أيام. جراد البحر قد تم معلم على حدة. الإعداد التجريبية وتتبع التقنيات المستخدمة تستند كلياً على برمجيات المصدر المفتوح. مقارنة الإخراج تتبع مع الكشف عن دليل يشير إلى أن جراد البحر تم بشكل صحيح الكشف عن 69% الأوقات. كان بين الكركند تم الكشف عنه بشكل صحيح، العلامات الفردية بشكل صحيح وحدد 89.5 في المائة الأوقات. نظراً لمعدل الإطارات المستخدمة في البروتوكول ومعدل حركة الكركند، أداء تتبع الفيديو ذات نوعية جيدة، ودعم النتائج الممثل سريان البروتوكول في إنتاج بيانات قيمة للاحتياجات البحثية (الفرد شغل الفضاء أو أنماط النشاط الحركي). البروتوكول المعروضة هنا يمكن تخصيصها بسهولة، وهو، ومن ثم يمكن نقلها إلى الأنواع الأخرى حيث يمكن تتبع كل من العينات في مجموعة قيمة للإجابة على أسئلة البحث.

Introduction

في السنوات القليلة الماضية، قدمت التتبع الآلي يستند إلى صورة دقيقة للغاية من مجموعات البيانات التي يمكن استخدامها لاستكشاف المسائل الأساسية في تخصصات علم البيئة والسلوك1. يمكن استخدام هذه البيانات للتحليل الكمي لسلوك الحيوانات2،3. ومع ذلك، قد كل صورة المنهجية المستخدمة لتعقب الحيوانات وتقييم سلوك مواطن قوتها والقيود. في البروتوكولات تتبع المستندة إلى الصور التي تستخدم المعلومات المكانية من الإطارات السابقة في فيلم لتعقب الحيوانات4،،من56، يمكن إدخال أخطاء عندما عبر مسارات اثنين من الحيوانات. هذه الأخطاء هي عموما لا رجعة فيه، وتنتشر عبر الزمن. وعلى الرغم من التقدم الحسابية التي تخفض أو تقريبا القضاء على هذه المشكلة5،7، هذه التقنيات لا تزال بحاجة بيئات تجريبية متجانسة لدقة تعريف الحيوانات وتتبع.

توظيف علامات يمكن تعريفه بشكل فريد في الحيوانات يتجنب هذه الأخطاء، ويتيح تعقب طويل الأجل للأفراد الذين يتم تحديدهم. علامات تستخدم على نطاق واسع (مثلالرموز الشريطية ورموز ريال قطري) موجودة في الصناعة والتجارة، ويمكن تحديدها باستخدام تقنيات رؤية الكمبيوتر المعروفة، مثل زيادة الواقع (مثلاً، أرتاج8) ومعايرة الكاميرا (مثلاً، كالتاج9 ). سبق استخدمت الحيوانات المعلمة للدراسات السلوكية الفائق في الأنواع الحيوانية المختلفة، للمثال،3 من النمل أو النحل10، ولكن بعض هذه النظم السابقة ليست الأمثل للاعتراف بالعلامات معزولة3.

بروتوكول التعقب المعروضة في هذه الورقة مناسبة خاصة لتعقب الحيوانات في صور قناة واحدة، مثل الأشعة تحت الحمراء (IR) خفيفة أو الضوء أحادي اللون (خاصة، يمكننا استخدام الضوء الأزرق). ولذلك لا تستخدم طريقة وضع رموز الألوان، يجري أيضا للتطبيق في البيئات الأخرى حيث توجد قيود في الإضاءة. وبالإضافة إلى ذلك، نحن نستخدم علامات مخصصة مصممة لكي لا تخل جراد البحر، وفي الوقت نفسه، تسمح للتسجيل مع كاميرات منخفضة التكلفة. وعلاوة على ذلك، تقوم الطريقة المستخدمة هنا على كشف العلامة مستقلة عن الإطار (.، أي الخوارزمية تعترف بوجود كل علامة في الصورة بغض النظر عن المسارات السابقة). تعتبر هذه الميزة ذات الصلة في التطبيقات حيث تغطي الحيوانات يمكن أن يكون مؤقتاً، أو قد تتقاطع المسارات الحيوانات.

تصميم العلامة يسمح استخدام مجموعات مختلفة من الحيوانات. حالما يتم تعيين المعلمات للأسلوب، فإنه يمكن نقلها إلى معالجة مشاكل أخرى تتبع الحيوانات دون الحاجة إلى تدريب مصنف معين (القشريات أو الرخويات الأخرى). هي القيود الرئيسية المصدرة للبروتوكول بحجم العلامة والحاجة إلى التمسك بالحيوان (مما يجعله غير مناسب للحشرات الصغيرة مثل الذباب والنحل، إلخ)، وعلى افتراض 2D لحركة الحيوانات. هذا القيد مهم، نظراً لأن الطريقة المقترحة يفترض حجم العلامة يظل ثابتاً. الحيوانات تتحرك بحرية في بيئة ثلاثية الأبعاد (مثل السمك) سوف تظهر علامة مختلفة الأحجام اعتماداً على المسافة للكاميرا.

والغرض من هذا البروتوكول توفير منهجية سهلة الاستخدام لتتبع الحيوانات كلمات متعددة على مدى فترة طويلة من الزمن (أيام أو أسابيع) في سياق ثنائي الأبعاد. ويستند النهج المنهجي استخدام برمجيات المصدر المفتوح والأجهزة. تراخيص البرمجيات الحرة والمفتوحة المصدر التكيفات والتعديلات، وإعادة توزيعها مجاناً؛ ولذلك، يحسن البرنامج الذي تم إنشاؤه في كل خطوة11،12.

البروتوكول المعروضة هنا يركز على مختبر لتتبع وتقييم النشاط الحركي للحيوانات المائية الأربعة في خزان لمدة 5 أيام. ملفات الفيديو المسجلة من صورة الوقت الفاصل بين s 1 وجمعها في شريط فيديو في 20 الإطارات لكل ثانية (1 يوم مسجل تحتل حوالي 1 ح فيديو). جميع تسجيلات الفيديو يتم بوستبروسيسيد تلقائياً للحصول على مواقف الحيوان، تطبيق خوارزميات وطرق رؤية الكمبيوتر. أن البروتوكول يسمح بالحصول على كميات كبيرة من بيانات، تجنب الشرح اليدوي، الذي أظهر أن يكون الوقت كثيفة ومضنية في ورقات التجريبية السابقة13تتبع.

نحن نستخدم جراد البحر النرويج (النرويجي نيفروبس) لدراسة الحالة؛ وهكذا، نوفر الظروف المختبرية إبلاغها للحفاظ عليها. جراد البحر أداء إيقاعات ظهور الجحر مدروسة التي تخضع لسيطرة ال14،الإيقاعية على مدار الساعة15، وعند كوهوسيد، وهي تشكل هيمنة التسلسل الهرمي16،17. ومن ثم، النموذج المعروض هنا مثال جيد للباحثين المهتمين بتحوير السلوك مع التركيز بوجه خاص على إيقاعات سيركاديان الاجتماعية.

المنهجية المقدمة هنا ويرد بسهولة ويمكن تطبيقها على الأنواع الأخرى إذا لم يكن هناك إمكانية للتمييز بين الحيوانات مع العلامات الفردية. الحد الأدنى من المتطلبات لاستنساخ هذا نهج في المختبر (ط) غرف متحاور للإعداد التجريبية؛ (ثانيا) إمدادات المياه مستمرة؛ (الثالث) آليات مراقبة درجة حرارة المياه؛ (رابعا) نظام تحكم بضوء؛ (ت) كاميرا USB وجهاز كمبيوتر قياسية.

نستخدم في هذا البروتوكول، بيثون18 و OpenCV19 (الكمبيوتر رؤية المكتبة مفتوحة المصدر). ونحن نعتمد على عمليات سريعة ويشيع التطبيقية (سواء من حيث التنفيذ والتنفيذ)، مثل خلفية الطرح20 والصورة العتبة21،22.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

الأنواع المستخدمة في هذه الدراسة ليست أنواع المهددة بالانقراض أو المحمية. أخذ العينات ومختبر تجارب يتبع التشريع الإسباني واللوائح (ICM-السفن) المؤسسية الداخلية فيما يتعلق بالرفق بالحيوان. وقد أجرى العينات الحيوانية بإذن السلطة المحلية (حكومة كاتالونيا الإقليمية).

1-الحيوان الصيانة وأخذ العينات

ملاحظة: البروتوكول التالي يستند إلى الافتراض بأن الباحثين يمكن تذوق النرويجي أ في الميدان أثناء الليل لتجنب الأضرار التي لحقت فوتوريسيبتورس23. ويجب تجنب التعرض النرويجي أ لأشعة الشمس. بعد أخذ العينات، يفترض جراد البحر في مرفق للتأقلم مشابهة لتلك التي ذكرت في السابق17،24، مع استمرار تدفق مياه مبردة (13 درجة مئوية). الحيوانات المستخدمة في هذه الدراسة هم من الذكور في الدولة إينتيرمولت بطول أرجلها (CL؛ يعني ± SD) 43.92 ± 2.08 ملم (N = 4).

  1. الاحتفاظ الأفراد في أماكن معزولة لتجنب أي أضرار بسبب المعارك الفردية (انظر الشكل 1 ألف-د).
  2. اطعامهم حوالي 3 × أسبوع في أوقات عشوائية لا تتداخل مع إيقاعات سيركاديان.
    ملاحظة: في هذه التجربة، وبلح البحر (حوالي 4 غرام لكل جراد البحر) استخدمت كغذاء. بلح البحر تم شراؤها من موردي الأغذية المجمدة وصالحة للاستهلاك البشري.
  3. استخدام الضوء الأزرق (425-515 نانومتر) لمحاكاة ساعات الخفيفة وفقا لحساسية الطيفية ل الأنواع25 والظروف البيئية على عمق 400 متر26 (انظر الشكل 1 ج،د).
    ملاحظة: مرفق المستخدمة هنا قد سقف عمودي الأزرق اثنين (478 nm) مصابيح الفلورسنت التي أنتجت شدة ضوء من 12 lx في 1 متر من المسافة من المصابيح. انظر الشكل 1a لموقف مصابيح السقف وانظر الجدول للمواد اللازمة لخصائص الشركة المصنعة ومصابيح التقنية.
  4. ضبط كبيرة مرفق التأقلم للضوء/الظلام 12/12 ساعة أو محاكاة كبيرة الطبيعية لخط العرض المحلي.
  5. تنظيم مرفق درجة الحرارة إلى 13 درجة مئوية ورصد 2 × يوميا لفحص درجة حرارة مياه البحر إينفلووينج حوالي 13 درجة مئوية (انظر الشكل 1e).
  6. تنظيم تدفق مياه البحر بمعدل حوالي 4 لتر في الدقيقة للحفاظ على الأوكسجين جيدة.
    ملاحظة: مياه البحر يدور في دائرة مفتوحة (يتم استخدام لا فلاتر ومضخات إضافية). إمدادات المياه يعتمد على خدمات مصنع الحوض الرئيسي.

Figure 1
الشكل 1 : مرفق التأقلم الآراء. () خزان الرفوف. (a1) إدخال مياه البحر. (a2) أضواء السقف الفلورسنت. (ب) تفاصيل الضوء الأزرق الإضاءة. (ج) تفاصيل الخلية الحيوانية. (د) تفاصيل لوحة تحكم مرفق معزولة. (ﻫ) درجة حرارة الإعداد لأحد المداخل. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

2-البناء علامة

ملاحظة: العلامة المستخدمة هنا يمكن أن تتغير وفقا لخصائص الحيوان المستهدف أو اعتبارات أخرى محددة.

  1. قص أربع دوائر من 40 ملم في القطر من ورقة بلاستيك أسود.
  2. قطع من أبيض بولي كلوريد الفينيل ورقة من بلاستيك اثنان مثلثات متساوي الأضلاع مع الجانبين 26 مم.
  3. قطع من بولي كلوريد الفينيل أبيض ورقة من بلاستيك دوائر اثنين من 26 مم في القطر.
  4. علامة وسط مثلثات بيضاء والدوائر وجعل ثقب 10 ملم في ذلك.
  5. الصق الأشكال البيضاء الأربع للمركز من أربع دوائر سوداء.

Figure 2
الشكل 2 : العلامات الأربعة المستخدمة للعلامات الفردية الكركند. دائرة، دائرة حفرة، المثلث، مثلث حفرة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

3-الإعداد تجريبي

ملاحظة: على الساحة التجريبية من المفترض أن يكون في دولة مستقلة غرفة تجريبية من ولكن بالقرب من مرفق التأقلم.

  1. إعداد غرفة تجريبية حيث يمكن التحكم في درجة حرارة الهواء وصيانتها في نفس درجة الحرارة كمياه البحر على الساحة التجريبية.
  2. تعديل خزان الألياف الزجاجية (1,500 × 700 × 300 مم) تكون بمثابة ساحة تجريبية. إضافة أربعة بوروز استخدام الأنابيب البلاستيكية المرنة في الجزء السفلي من الرمال العصا وخزان على السطح حيث من المفترض جراد البحر للانتقال (الشكل 3b-e). للحصول على مزيد من التفاصيل، انظر17،27.
    1. تزويد الساحة التجريبية بالمصابيح الزرقاء سوبميرجيبلي (472 نانومتر، محاكاة ساعات الخفيفة) و "مصابيح الأشعة تحت الحمراء" (850 نانومتر، ظروف مظلمة) (انظر أيضا الشكل 3a)17،24.
      ملاحظة: ويستخدم الصمام الخفيفة بسبب تأثيره منخفض الحرارة وتوافر عنصر التحكم الإلكترونية قابلة للاستخدام والأجهزة مجاناً. تم استخدام مرفق معزولة مع درجة حرارة البيئة ومياه البحر من 13 ± 0.5 درجة مئوية.
    2. دائماً IR LEDs تشغيله.
      ملاحظة: الأشعة تحت الحمراء مطلوب لتسجيل الفيديو في ظروف مظلمة، وفي ضوء الظروف. فإنه ليس من الضروري لاطفائه.
    3. قم بتوصيل المصابيح الزرقاء مع جهاز لإدارة كبيرة. انظر الاقتراحات في الجدول للمواد، ولمزيد من التفاصيل، راجع سبراجاجليا et al. 17 (كما هو موضح في الشكل 3 ألف).
      ملاحظة: الإضاءة في تحليلات الفيديو أو الصورة الآلي عامل حاسم. الإضاءة العادية دون الظلال في جميع أنحاء الساحة تجنب انعكاسات المياه السطحية يجعل الفيديو الخلفي أو تحليل الصور أسهل. واستخدمت في إطار هذا البروتوكول، ظروف الضوء/الظلام فقط 12/12. النور والظلام وتحققت تدريجيا خلال 30 دقيقة، ويتم إضافة البرنامج نصي وحدة تحكم الضوء التكميلية الملف 1.
    4. ضع مدخل مياه مبردة في زاوية واحدة من الدبابة والمآخذ المقابلة في الركن المقابل.
    5. تنظيم مدخلات مياه البحر بمعدل تدفق حوالي 4 لتر في الدقيقة.
    6. تحيط الدبابات بستارة سوداء بغية توفير معزل كامل عن الخفيفة الأخرى (الشكل 3 أ).
  3. ضع ترايبود التي يتم إصلاح كاميرا الويب إلى جانب الساحة تجريبية وموقف كاميرا الفيديو أعلاه (130 سم) وفي مركز الساحة التجريبية (75 سم × 32.5 سم (انظر الشكل 3 ألف).
  4. تحقق ما إذا كانت كاميرا الفيديو في الموقف الوسط (راجع الخطوة 3، 3) للتأكد من أنه لم تم نقل لا إرادية.
  5. قم بتوصيل كاميرا ويب على جهاز كمبيوتر التي يتم وضعها خارج الستار (الشكل 3a).
    1. تثبيت البرامج لإدارة تسجيل الوقت الفاصل مع كاميرا الفيديو.
      ملاحظة: الوقت الفاصل بين التسجيلات تعتمد على سرعة الحركة للأنواع. انظر أيضا الجدول للمواد اللازمة للكاميرا، عدسة فيش، والكمبيوتر، وخصائص البرامج والشركات المصنعة التي تستخدم هنا.
    2. ضبط معلمات تسجيل وفقا لخصائص الأنواع الفيديو.
      ملاحظة: نظراً لمعدل التنقل النرويجي أ، تسجيل الوقت الفاصل بين s 1 استخدمت هنا، وتم حفظ الفيديو كل 24 ساعة.
    3. تأكد من إنشاء طابع زمني (بما في ذلك التاريخ) في الوقت الفاصل بين الفيديو (كما يمكن أن يساعد هذا للتسجيل اليدوي مستقبلا من السلوك).

Figure 3
الشكل 3 : برنامج الإعداد التجريبية. () رسم تخطيطي للجمعية للتجريبية اقتناء دبابات والفيديو. (ب) وجهة النظر العامة للدبابة التجريبية. عرض (ج) أسفل الخزان تجريبية، مشيراً إلى بوروز مصطنعة. (د) أعلى طريقة العرض، تظهر أسفل دبابة تجريبية. (ه) تفصيل لأحد مداخل الجحر. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

4-التجريبية المحاكمة وإعداد الحيوانات

ملاحظة: يجب القيام بجميع الخطوات مع الحيوانات في مرفق التأقلم وظروف الضوء الأحمر وفقا لحساسية الطيفية من جراد البحر النرويج25. عند نقل الحيوانات بين التأقلم ومرفق تجريبي، تجنب التعرض لأي من جراد البحر الضوء، واستخدام وجود حقيبة سوداء معتمة لتغطية في الثلاجة.

  1. إعداد ثلاجة سبق تقسيمها إلى أربع مقصورات المغمورة بالمياه في حوالي 7 درجات مئوية.
  2. تعد العلامات الأربعة سابقا الغراء المشيدة وسريعة، مثل cyanoacrylate.
  3. إعداد صينية مع الثلج المجروش.
  4. حدد الكركند الأربعة تكون معلم في مرفق التأقلم ووضع كل واحد منهم في حجرة للثلاجة.
  5. انتظر 30 دقيقة، وثم بدء تشغيل الإجراء العلامات.
    1. تأخذ جراد البحر ووضعها على الثلج المجروش لمدة 5 دقائق شل عليه وتيسير عملية وضع العلامات.
    2. الجاف للجزء العلوي من أرجلها لجراد البحر مع ورقة أدسوربتيفي ووضع قطره الصمغ سريع على ذلك.
    3. ضع علامة أفقياً على رأس أرجلها الحيوان، على اتصال بالغراء، وانتظر ما يكفي من الوقت لذلك تصلب (لحوالي 20 ثانية).
    4. عودة جراد البحر إلى الفتحة المخصصة له في الثلاجة والمضي قدما مع الحيوانات الثلاثة الأخرى بنفس الطريقة.
    5. وضع جراد البحر مرة أخرى في الخلية حيث كانوا سابقا وانتظر 24 ساعة للتأكد أن العلامة بشكل صحيح ملتصق على.
    6. نقل جراد البحر من مرفق التأقلم إلى الدائرة التجريبية باستخدام الثلاجة نفسه الذي تم استخدامه لإجراء وضع علامات.
  6. بدء تسجيل الفيديو والانتظار مدة 5 دقائق قبل إدخال الكركند المعلمة. الحصول على صورة خلفية متوسط من 100 لقطة الأولى.
    ملاحظة: الحد أدنى من 1 دقيقة في انتظار إلزامي للحصول على الإطارات الخلفية دون الكركند المعلمة؛ هناك حاجة لمعالجة الفيديو.
  7. إدخال الحيوانات واحداً تلو الآخر في خزان التجريب داخل مقصورة على كل منها، الحفاظ على المياه في ذلك.
  8. الانتظار بالنسبة لهم للخروج؛ إذا لم يخرج، مساعدتها بلطف عن إمالة في المقصورة. انظر الشكل 4 كمثال للحيوانات داخل الخزان تحت ظروف تجريبية.

Figure 4
الشكل 4 : إطار الفيديو الخام. مثال على إطار تمثيلي من أحد أشرطة الفيديو الوقت الفاصل بين التي جمعت خلال التجارب. في الركن الأيمن العلوي، نعرض الطابع الزمني مع التاريخ والوقت، والإطار. لاحظ الاختلافات في الإضاءة دبابة في الزاوية السفلي للصورة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

5-فيديو تحليل البرنامج النصي

  1. إجراء التحليل بعد انتهاء التجربة.
    1. بدء تشغيل البرنامج النصي رؤية الكمبيوتر لتحليل أشرطة الفيديو.
    2. إطلاق برنامج Java لحساب مواقف والمسافة التي تغطيها الكركند وإدراج البيانات في قاعدة البيانات.
      ملاحظة: هذا البرنامج هو خوارزمية إقليدس القائم على مسافة28.
    3. تشغيل البرنامج النصي SQL إلى binning البيانات كالفاصل الزمني المطلوب (مثلاً: 10 دقيقة).

6-الكمبيوتر رؤية البرنامج النصي لتحليل أشرطة الفيديو

ملاحظة: ويتجنب البرنامج النصي لتصحيح الصور فيش نظراً لأنه لا يعرض أحد الأخطاء ذات صلة في الإعداد التجريبية. ومع ذلك، فمن الممكن لتصحيح هذه المشكلة مع أوبينكف الكاميرا معايرة وظائف29 استناداً إلى ناقل ومصفوفة التناوب أساليب30،31.

  1. حدد لغة البرنامج18 بايثون.
  2. حدد صورة19 OpenCV ومكتبة الفيديو تجهيز.
  3. تحميل شريط فيديو.
    ملاحظة: تنسيقات الفيديو.avi أو . واستخدمت mp4 في هذه التجربة، ولكن هذا ليس إلزامياً. فإنه يعتمد على الترميز32 FourCC المثبتة في نظام التشغيل.
  4. نفذ الخطوات التالية لكل إطار وأي فأي في الفيديو.
    1. طرح خلفية20ب (معدل الإطارات 100 آخر، تم الحصول عليها من الخطوة 4، 6) من الحالية الإطار وأي فأي، وتحديث صورة الخلفية ب وأي فأي. استخدم الدالة BackgroundSubtractorMOG2 من مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2).
    2. تحديد مجموعة المناطق ذات الاهتمام (رويس) R من بكسل مع الحركة ذات الصلة المؤشرة subtractor الخلفية. تستخدم في أسلوب تطبيق من BackgroundSubtractorMOG2 في مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2). في المجموعة، تتضمن اكتشافات الحيوان من الإطار السابق، أن يأخذ في الاعتبار نونموفينج الحيوانات.
    3. نفذ الخطوات التالية لكل عائد الاستثمار Ri
      1. تطبيق دالة ديلاتي وحساب معالم33 من عائد الاستثمار ري. استخدام دالات تمدد و فيندكونتورس من مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2).
      2. تحسب هال المنطقة34مرحبا في عدد البكسل. استخدم الدالة كونفيكسهول من مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2).
      3. حساب دائرة نصف قطرها35ري من عائد الاستثمار ري. استخدم الدالة مينينكلوسينجسيركلي من مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2).
      4. حساب متانة الرابطة من عائد الاستثمار ري. الصلابة هي نسبة منطقة كفاف (التي تم الحصول عليها في الخطوة 6.4.3.1) إلى منطقة هال محدبة (التي تم الحصول عليها في الخطوة 6.4.3.2) في ري.
      5. حساب نسبة العرض إلى الارتفاع منظمة العفو الدولية من عائد الاستثمار ري. نسبة العرض إلى الارتفاع هو النسبة بين العرض والارتفاع ل ري-محيط المستطيل. مستطيل إحاطة يتم حسابها باستخدام الدالة بوندينجريكت من مكتبة OpenCV19 .
    4. حدد مجموعة مصغرة من رويس كمرشح لاحتواء هذه الحيوانات، عن طريق تعديل خصائص منطقة هال، دائرة نصف قطرها، والصلابة، ونسبة العرض إلى الارتفاع.
      1. معرفة ما إذا كان مرحبا 500.0 أو أكبر من 100000.0أقل. إذا كان الأمر كذلك، تجاهل دوروا ري. خلاف ذلك، تبقى ري كمرشح دوروا موقع الحيوان.
      2. تحقق من أن ري أقل من 40.0. إذا كان الأمر كذلك، تجاهل دوروا ري. خلاف ذلك، تبقى ري كمرشح دوروا موقع الحيوان.
      3. معرفة ما إذا كان سي أقل من تجاهل -4.0 دوروا ري. خلاف ذلك، تبقى ري كمرشح دوروا موقع الحيوان.
      4. تحقق من أن منظمة العفو الدولية أقل من 0.15 أو أكبر من 4.0. يتم تجاهل ذلك، دوروا ري. خلاف ذلك، تبقى ري كمرشح دوروا موقع الحيوان.
        ملاحظة: استخدام رويس يقلل تكلفة الحسابية، تركز البحث العلامة في المنطقة جسم الحيوان. الحيوانية المكتشفة من الإطارات السابقة مدرجة لتجنب الخطأ المكتشفة عند الحيوانات لا تتحرك.
    5. تحليل الحيوان رويس لتحديد هوية العلامة. تنفيذ دي اتباع الخطوات لكل عائد الاستثمار ري وكل عائد الاستثمار الداخلي Pi، واستخراج رويس الداخلية ف.
      1. بيناريزي صورة درجات الرمادي Pi استخدام خوارزمية العتبة 36 أوتسو.
      2. حساب معالم33 من Pi، كما هو الحال في الخطوة 6.4.3.1.
      3. تحسب هال المنطقة34مرحبا ونسبة العرض إلى الارتفاع منظمة العفو الدولية، كما هو الحال في الخطوات 6.4.3.2 و 6.4.3.5.
      4. تحسب الشكل لحظات37،38مي بي. استخدم الدالة لحظات من مكتبة OpenCV19 (انظر البرامج النصية في التكميلية ملف 2).
      5. حدد مجموعة مصغرة من رويس كمرشح لاحتواء العلامات، باستخدام المعايير التالية.
        1. معرفة ما إذا كان مرحبا 150.0 أو أكبر من 500.0أقل. إذا كان الأمر كذلك، تجاهل دوروا Pi. خلاف ذلك، تبقى بي كمرشح دوروا لموقع العلامة.
        2. تحقق من أن منظمة العفو الدولية أقل من 0.5 أو أكبر من 1.5. إذا كان الأمر كذلك، تجاهل دوروا Pi. خلاف ذلك، تبقى بي كمرشح دوروا موقع الحيوان.
        3. تحقق من أن مي أكبر من 0.3. إذا كان الأمر كذلك، تجاهل دوروا Pi. خلاف ذلك، تبقى بي كمرشح دوروا موقع الحيوان.
    6. تصنيف العلامة رويس. أرقام تقريبية مضلع39 باستخدام الدالة19 OpenCV38 لكل عائد الاستثمار Piالمحدد19.
      1. التحقق من ما إذا كان هناك القمم الثلاث بالضبط في المضلع تقريبي؛ قم بتعيين العلامة إلى فئة المثلث . خلاف ذلك، قم بتعيين الفئة دائرة إلى منطقة العلامة.
        ملاحظة: يتم تخزين المضلع تقريبي باستخدام مصفوفة مع القمم.
      2. تحقق من بكسل المركزية ل عائد الاستثمار Pi. إذا كان مقدار بكسل سوداء ، تعيين Pi إلى فئة يتحصن . خلاف ذلك، قم بتعيين Pi للطبقة البيضاء .
        ملاحظة: مركز الشكل يتم استخلاصه من لحظات المحسوبة في الخطوة 6.4.5.4. البحث بكسل سوداء في منطقة نصف قطرها 4-بكسل حول المركز.
  5. حفظ بيانات الإطار: الإطار تاريخ، ووقت الإطار، تشكل فئة x مركز تنسيق الشكل، و y مركز تنسيق الشكل.
  6. تواصل مع الإطار التالي أو إنهاء العملية. انظر الشكل 5 أدناه كمثال مرئي لخطوات عمل البرنامج النصي ومشاهدة فيديو 1 كمثال لتشغيل البرنامج النصي.

Figure 5
الشكل 5 : خطوات ذات الصلة لبرنامج معالجة الفيديو (1) تقييم الاقتراح الطرح الخلفية فوق متوسط 100 الماضي الإطارات. (2) نتيجة خوارزمية الطرح الخلفية. (3) تطبيق عملية ديلاتي مورفولوجية لمجالات الكشف عن الأبيض. (4) تطبيق الإصلاح، دوروا ثابتة، الرئيسية؛ ويناظر المضلع الأصفر منطقة خزان أسفل. (5) حساب الخطوط العريضة لكل منطقة الكشف عن الأبيض في العائد على الاستثمار الرئيسية وإجراء تحليل هيكلي لكل كفاف تم الكشف عنها. (6) التحقق من قيم الخصائص الهيكلية، وثم حدد المستوى الثاني دوروا المرشحين. (7) بيناريزي الإطار باستخدام خوارزمية عتبة أوتسو؛ ويعمل البرنامج النصي فقط مع رويس المستوى الثاني. (8) لكل بيناريزيد دوروا المستوى الثاني، حساب معالم المناطق البيضاء وإجراء تحليل هيكلي لكل كشف كفاف. (9) الاختيار الخصائص الهيكلية القيم، ومن ثم يختار الداخلية دوروا المرشحين. (10) لكل كفاف في المرشح العائد على الاستثمار الداخلي، حساب الواصفات/اللحظات. (11) الاختيار إذا المباريات الشكل المكتشفة مع النموذج الشكل والتقريبي مضلع لتطابق أفضل المرشحين. (12) التحقق من عدد رؤوس المضلع التقريبي وتحديد الشكل الهندسي: دائرة أو مثلث. مركز (13) حساب الرقم ومعرفة ما إذا كان يحدث بكسل سوداء؛ إذا كان الجواب نعم، شخصية حملتها. (14) النتيجة البصرية بعد تحليل الإطار. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

نحن يدوياً شيدت مجموعة فرعية من البيانات التجريبية للتحقق من صحة تحليل الفيديو الآلي. حجم عينة من الإطارات 1,308 بمستوى ثقة 99 في المائة (وهو تدبير أمني أن يبين ما إذا كانت العينة يعبر بدقة عن السكان، وضمن لها هامش الخطأ) ومع هامش خطأ قدرة 4% (وهي النسبة مئوية التي توضح هذه المقالة كيفية إغلاق أعطى العينة والرد القيمة الحقيقية في السكان) تم اختيارها عشوائياً، وتم إجراء تعليق توضيحي يدوي لتحديد الصحيح رويس وتحديد العلامة داخل كل عائد الاستثمار الصحيح. لاحظ أن إطار واحد قد يحتوي على عدد متغير من رويس داخل مجموعة غير محدد لأنه قد أخفى بعض جراد البحر داخل الجحور أو دوروا واحد يحتوي على اثنين أو أكثر من الحيوانات أو المكتشفة كاذبة.

وكان العدد الإجمالي للحيوانات في الإطارات 1,308 3,852 (رويس المشروح يدوياً). وكشفت الأسلوب 3,354 الحيوانية المكتشفة. إجمالي 701 (21%) هذه المكتشفة من إيجابيات كاذبة (أي عدد رويس حيث كان الخلط مع الخلفية جراد البحر). من مجموع عدد الحيوانات التي تم عدها، 2,653 المكتشفة (79%) كانت مطابقة بشكل صحيح (أي.، وعدد المرات التي اعترف المصنف بشكل صحيح وجود جراد البحر في المناطق المكتشفة؛ انظر أيضا الرقم 6 أ، ب). وفيما يتعلق بإجمالي رويس 3,852 الموجودة في الإطارات 1,308، يكشف البرنامج النصي 69 في المائة الأفراد.

فيما يتعلق بالكشف عن العلامة، حدد البرنامج النصي 2,353 دوروا المرشحين كالعلامات (89 في المائة المناطق المكتشفة 2,653 مع الحيوانات). المصنف الذي حدد بنجاح كفئة العلامة 1,808 من هذه العلامات (في الذي يصنف المرشح كدائرة أو مثلث، دائرة حملتها، أو مثلث حملتها) وغاب عن الحالات 545 (23 في المائة المرشحين 2,353 دوروا للعلامة). المتصلة بتصنيف العلامة، 1,619 يتم بشكل صحيح التعرف (89.5%، 6f الشكل). 70 فقط العلامات فيها خطأ 3.8% مصنفة (خطأ، الرقم 6e)، و 119 المتبقية (6.6%) وتناظر المغلوطة (رويس الداخلية المحددة كالعلامة التي تناظر أجزاء الحيوان، مثل مخالب; د الشكل 6).

Figure 6
الرقم 6 : وجهات نظر الممثل من الإطارات عرض الحالات التجريبية الأكثر شيوعاً أثناء تحليل أشرطة الفيديو- تم الكشف عن () خطأ الكشف عن الحيوان، منطقة خلفية. (ب) الحيوان ميسديتيكتيون. اثنين من الحيوانات قريبة من بعضها البعض ويتم الكشف عن واحد فقط. (ج) الشكل ميسديتيكتيون. الحيوان هو الكشف عن (المستطيل الأزرق) ولكن لم يتم الكشف عن العلامة. كشف الشكل (د) وهمية. تم الكشف عن اثنين من الأشكال، وواحد مخلب. (ه) تصنيف شكل غير صحيح. وتصنف مثلث مثلث حفرة. الحالة (f) مثالية. يتم الكشف عن جميع الحيوانات، ويتم تحديد العلامات بشكل صحيح. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

بعد الانتهاء من تحليل أشرطة الفيديو، يمكن استخدام البيانات التي تم الحصول عليها من مواقع (X, Y) لتقييم أنماط سلوكية مختلفة الكركند. على سبيل المثال، نحن المرسومة شغل مساحة الخريطة باستخدام تقدير كثافة نواة ثنائي الأبعاد مع محور الانحياز المتغيرين عادي نواة، ويقيم على41،شبكة مربعة42 مع أفضل أداء هي الآلي يقدر خوارزمية إحصائية. يمثل كثافة لون أعلى المجالات قد أمضى جراد البحر نسبة مئوية أعلى من وقتهم (الشكل 7). 2 الفيديو يعطي مثالاً بصرية للحيوانات التي تتبع.

ممثلة بايقاعات النشاط اليومي من جراد البحر مثال آخر، رسم ملليمتر والمشمولة في فترات زمنية دقيقة 10 إهمال (الشكل 8). ونحن إزالة البيانات المقابلة لأول 24 ساعة من التجربة التي تقابل عملية التكيف البيئي للحيوانات.

Figure 7
الشكل 7 : خريطة شغل الفضاء. ويبين الرسم البياني فقط منطقة خزان أسفل منطقة التشرد الحيوان (انظر المضلع الأصفر في الشكل 6). كانت المجالات الكركند كلمات مختلفة أنفاق المزيد من الوقت تظهر ملونة؛ أعلى كثافة اللون يعني المزيد من الوقت شغل. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 8
الشكل 8 : إيقاعات النشاط اليومي من جراد البحر رسم ملليمتر والمشمولة في فترات زمنية دقيقة 10 إهمال. وتشير الأشرطة الرمادية إلى ساعات الظلام في 12/12 الضوء/الظلام، مع وقت الغروب ابتداء من الساعة 07:00 ص ووقت شروق الشمس ابتداء من الساعة 07:00 م الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Movie 1
الفيديو 1: سجل سطح المكتب من مثال على تحليل تشغيل الفيديو النصي ويظهر شريط الفيديو في 2 دقيقة و 27 ق ح 1 من لقطات الفيديو في الوقت الحقيقي (إطارات 3,625). لاحظ أن هناك لا تراكم الخطأ ميسديتيكشنز الحيوانية والوسم وأحداث مجهولة حين يجري التسجيل. اضغط هنا لتحميل هذا الفيديو.

Movie 2
2 الفيديو: فيديو الحيوانات تتبع بعد التحليل الحركي. استخدمنا X, Y إحداثيات البكسل الصورة التي تم الحصول عليها من خلال تحليل الفيديو وتخزينها في قاعدة البيانات، رسم مسار الحيوان في أشرطة الفيديو المسجلة كمثال البرنامج النصي تحليل أشرطة الفيديو. ويعد المسار، أسرع الحيوان يتحرك وسافر المسافة أكثر. في هذه الحالة، 30 s الفيديو يناظر 12 دقيقة من الوقت الحقيقي. اضغط هنا لتحميل هذا الفيديو.

الملف التكميلي 1: اضغط هنا لتحميل هذا الملف. 

Subscription Required. Please recommend JoVE to your librarian.

Discussion

وأكدت نتائج الأداء والممثل الحصول عليها مع بروتوكول تتبع الفيديو صلاحيته للبحوث التطبيقية في مجال سلوك الحيوانات، مع التركيز بوجه خاص على التشكيل الاجتماعي وايقاعات circadian كوهوسيد الحيوانات. الكفاءة للكشف عن الحيوانات (69%) ودقة تمييز العلامة (89.5%) مقترنة بالخصائص السلوكية (أي بمعدل الحركة) من الأنواع المستهدفة المستخدمة هنا تشير إلى أن هذا البروتوكول حل الأمثل للتجارب الاختبارية الطويلة الأجل (مثل الأيام والأسابيع). وعلاوة على ذلك، يوفر البروتوكول الأساسية تتميز بأنها سهلة الاستخدام وأسرع في التنمية والتخصيص فيما يتعلق بأساليب أخرى، مثل خوارزميات التعرف التلقائي والعصبية شبكات43. تتبع التقنيات المستخدمة هنا تمثل صقل النهائي لنشاط تجريبي بدأ مع نهجاً مختلفاً قليلاً44.

خطوة حاسمة في البروتوكول هو تصميم العلامة؛ فينبغي أن يعتبر أن تنفيذ مخططات علامة أخرى يمكن أن تحسن أداء بيناريزيشن أوتسو. على سبيل المثال، أفاد أحد مصادر الخطأ هنا كان ميسديتيكشن بين السود خارج دائرة في العلامة وشكل هندسي الداخلية بيضاء (انظر الشكل 9 مع إطار بيناريزيد بتفصيل لهذا الخطأ). فمن الممكن لتحسين عملية بيناريزيشن، وزيادة قطر الدائرة السوداء خارج النموذج الهندسي الداخلي أبيض (2-3 مم)، أو يقايض العلامة (أبيض/أسود). أننا لا نعتبر الاستخدام للصورة وظائف المورفولوجية مثل تآكل أو تمدد عند محاولة لتصحيح هذا الخطأ، ونظرا لأن هذه العمليات تعديل الخصائص الهيكلية للعلامة تصويرها، يجري، ولذلك، ليس من الممكن للحفاظ على قيم العتبة البرنامج النصي. وفي الختام، فمن المستحسن لتكييف تصميم علامة لتشريح الحيوانات المستهدفة. التي ستشمل تعديل قيم العتبة البرنامج النصي والخصائص الهيكلية وفقا للتصميم الجديد.

Figure 9
الرقم 9 : تفصيل الإطار بيناريزيشن الأخطاء. دائرة حمراء يبين كيفية اكتشاف الكركند والعلامات ككائن فريد من نوعه. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

وكان المصدر الأكثر ملاءمة لأخطاء غاب عن الكشف عن رويس (الداخلية والخارجية). البرنامج النصي تحليل أشرطة الفيديو المقدمة هنا ليست قادرة على الاحتفاظ بتعقب من الأفراد الذين لا يزال أو مخفية لفترة تزيد على 100 إطارات (عدد الإطارات التي تحتفظ بالبرنامج النصي كخلفية التاريخ). لتجنب مشاكل مع هذا، ونحن تخزين الموضع الأخير للفرد حتى يتم الكشف مرة أخرى. هذه المعلمة قد تؤثر على النتائج من الحيوانات غير متحرك أو المخفية في عداد المفقودين. يجب أن تؤخذ هذه الحقيقة في الاعتبار عند استخدام هذا البروتوكول مع الأنواع التي تبين معدلات مختلفة للتنقل من تلك المعروضة هنا الكركند. ينبغي تعديل إطار الفيديو معدل والتحليل النصي وتعديلها للأنواع المستخدمة وفقا لسلوك معين.

كان أحد التحديات الكبرى للحصول على أحادية اللون أزرق (472 nm) والأشعة تحت الحمراء (850 nm) الإضاءة، تجنب احتمال تلف الشبكية وضبط الظروف البيئية الخفيفة للحيوان الموئل23،45. ولذلك، عنصر اللون في تسجيل الفيديو ليست ذات الصلة وأجريت تسجيلات الفيديو بتدرج الرمادي. ويقترح النظام يسمح لبرنامج مختلف الفترات الزمنية الخفيفة ويعدل نظام الإضاءة وفقا لخصائص الأنواع المستهدفة تغيير الصمام طيف الضوء. تخصيص آخر للنظر في البروتوكول المعروضة هنا بمعدل حركة الحيوانات المستهدفة. تسجيل طول تناظر ح 24 التجريبي لهذه الحالة المحددة، معدل الإطارات المستخدمة 1 إطار في الثانية الواحدة، إنتاج ملفات الفيديو من حوالي 1 ساعة. هذه التخصيصات اثنين (تدرج الرمادي ومعدل الإطارات) سمح لنا بالحصول على ملفات الفيديو بحجم مصغر سهل للعمل مع، وقلل من قدرة التخزين وآله الزمن لتتبع.

حد من الأسلوب الذي وصف بأنه فقط تم اختباره مع الأنواع المعروضة هنا؛ ومع ذلك، هناك أية أسباب محددة تتعلق بتطبيق هذا البروتوكول على الأنواع الأخرى التي تسمح حمل بطاقات هوية. قيد هام آخر أن البروتوكول ليست ملائمة لتعقب تحركات التذييلات الحيوانية (مثلاً، شل). على سبيل المثال، استخدم القشريات ديكابود شل تحركات لعرض الهيمنة بين كونسبيسيفيكس. تطبيقات المستقبل تهدف إلى تحسين هذا الجانب.

البروتوكول المقترح يشبه البرمجيات التجارية القائمة السابقة46 ونشر أساليب سويستراك إيدتراكير7،47. يستخدم البرمجيات التجارية46 خلفية الطرح للكشف عن الحيوانات، مماثلة للبرامج النصية المعروضة هنا. على الرغم من أنها تغطي نطاقا واسعاً من التطبيقات، فإنه هو برمجتها باستخدام برنامج مقاطعته تجارياً لغة48، التي ليست حلاً مفتوح مصدر، وهي مكلفة اقتصاديا. يستخدم الأسلوب47 سويستراك مكتبة OpenCV19 ، على نحو مماثل للنهج الذي قدم هنا. ومع ذلك، فإنه يتم ترميز في c + +. قمنا باستخدام رمز بيثون، وعادة ما تكون أسهل للتكيف مع الاحتياجات الخاصة بكل بيئة. إيدتراكير7 نهج قوية ترميز في برنامج مقاطعته تجارياً لغة48 لكن الأهداف نونماركيد حيوانية تطبيقات. يمكن أن يثير الشبهة نتائج التتبع الصحيح عند الحيوانات هي تغطي لفترة طويلة من الزمن كما يحدث في الظروف التجريبية المعروضة هنا. الطريقة المعروضة هنا العمليات كل إطار بشكل مستقل، ولا يتأثر بالمسار السابق للحيوان. ولذلك، لا يتم نشر خطأ في إطار معين للإطارات المستقبلية. هذه الحقيقة ذات الصلة في هذا التطبيق ولكن أيضا قيود الأسلوب قدم هنا لمجموعة محددة من الحيوانات (تلك التي تتيح التمييز اليدوي).

ثمة جانب آخر للنظر أننا استخدمنا البرمجيات الحرة أثناء تطوير البروتوكول، بما في ذلك تحليل نتائج العمل وتخزين البيانات الناتجة عن البرنامج النصي تحليل أشرطة الفيديو، فضلا عن التعليمات البرمجية المستخدمة للتحكم في نظام الإضاءة. يتم تخزين البيانات المجهزة في نظام قاعدة بيانات علائقية حرة (الخلية). يمكن الحصول على هذه البيانات المجهزة من خلال الاستعلامات في لغة الاستعلام القياسية (SQL) وفقا للشكل المطلوب. القارئ يمكن تعديل وتكييف المدونة المفتوحة المقترحة وبحرية تكييفه مع الاحتياجات الخاصة.

وفيما يتعلق بالسمية الأسلوب، هو خطوة حساسة فقط الالتصاق من العلامة للحيوان. استخدمنا الغراء cyanoacrylate بسبب سميته المنخفضة وفي الاستخدام الطبي على مصراعيها49واستخدامها على نطاق واسع في أحواض fragging الشعاب المرجانية وإصلاح الأجزاء بالغراء50. هو مصدر القلق الرئيسي حول استخدامها سمية البخار بالنسبة للبشر. وخفضنا هذا المعرض إلى الحد الأدنى. الصحة والسلامة التنفيذي وبرنامج علم السموم الوطني في الولايات المتحدة قد خلص إلى أن استخدام cyanoacrylate إيثيل آمنة51.

التطبيقات المستقبلية لهذا البروتوكول يتم التشغيل الآلي للكشف عن السلوكيات الأخرى تختبئ القشريات (مثل المعارك، وهيمنة الجحر). ونخطط أيضا لتحسين الخوارزمية للحصول على تحليل أشرطة الفيديو في الوقت الحقيقي واستخدام الشبكات العصبية Convolutional52 لتحسين الكشف عن الحيوان.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

الكتاب ليس لها علاقة بالكشف عن.

Acknowledgments

الكتاب نشعر بالامتنان للدكتور جوان ب الشركة التي تمول بنشر هذا العمل. أيضا، ممتنون المؤلفون إلى فنيين منطقة الحوض التجريبي في معهد "العلوم البحرية" في برشلونة (ICM-السفن) لمساعدتهم أثناء العمل التجريبي.

هذا العمل كان يدعمها المشروع ريتفيم (CTM2010-16274؛ والباحث الرئيسي: اغوزي J.) تأسست من قبل وزارة العلوم الإسبانية والابتكار (ميسين)، ومنحة TIN2015-66951-C2-2-R من الإسبانية وزارة الاقتصاد والقدرة التنافسية.

Materials

Name Company Catalog Number Comments
Tripod 475 Manfrotto A0673528 Discontinued
Articulated Arm 143 Manfrotto D0057824 Discontinued
Camera USB 2.0 uEye LE iDS UI-1545LE-M https://en.ids-imaging.com/store/products/cameras/usb-2-0-cameras/ueye-le.html
Fish Eye Len C-mount f = 6 mm/F1.4 Infaimon Standard Optical  https://www.infaimon.com/es/estandar-6mm
Glass Fiber Tank 1500 x 700 x 300 mm3
Black Felt Fabric
Wood Structure Tank 5 Wood Strips 50x50x250 mm
Wood Structure Felt Fabric 10 Wood Strips 25x25x250 mm
Stainless Steel Screws As many as necessary for fix wood strips structures
PC 2-cores CPU, 4GB RAM, 1 GB Graphics, 500 GB HD
External Storage HDD 2 TB capacity desirable
iSPY Sotfware for Windows PC iSPY https://www.ispyconnect.com/download.aspx
Zoneminder Software Linux PC Zoneminder https://zoneminder.com/
OpenCV 2.4.13.6 Library OpenCV https://opencv.org/
Python 2.4 Python https://www.python.org/
Camping Icebox
Plastic Tray
Cyanocrylate Gel To glue tag’s 
1 black PVC plastic sheet (1 mm thickness) Tag's construction
1 white PVC plastic sheet (1 mm thickness) Tag's construction
4 Tag’s Ø 40 mm Maked with black & white PVC plastic sheet
3 m Blue Strid Led Ligts (480 nm) Waterproof as desirable
3 m IR Strid Led Ligts (850 nm) Waterproof as desirable
6 m  Methacrylate Pipes Ø 15 mm Enclosed Strid Led
4 PVC Elbow  45o Ø 63 mm Burrow construction
3 m Flexible PVC Pipe Ø 63 mm Burrow construction
4 PVC Screwcap Ø 63 mm Burrow construction
4 O-ring Ø 63 mm Burrow construction
4 Female PVC socket glue / thread Ø 63 mm Burrow construction
10 m DC 12V Electric Cable Light Control Mechanism
Ligt Power Supply DC 12 V 300 W Light Control Mechanism
MOSFET, RFD14N05L, N-Canal, 14 A, 50 V, 3-Pin, IPAK (TO-251) RS Components 325-7580 Light Control Mechanism
Diode, 1N4004-E3/54, 1A, 400V, DO-204AL, 2-Pines RS Components 628-9029 Light Control Mechanism
Fuse Holder RS Components 336-7851 Light Control Mechanism
2 Way Power Terminal 3.81 mm RS Components 220-4658 Light Control Mechanism
Capacitor 220 µF 200 V RS Components 440-6761 Light Control Mechanism
Resistance 2K2 7 W RS Components 485-3038 Light Control Mechanism
Fuse 6.3 x 32 mm2 3A RS Components 413-210 Light Control Mechanism
Arduino Uno Atmel Atmega 328 MCU board RS Components 715-4081 Light Control Mechanism
Prototipe Board CEM3,3 orific.,RE310S2 RS Components 728-8737 Light Control Mechanism
DC/DC converter,12 Vin,+/-5 Vout 100 mA 1 W RS Components 689-5179 Light Control Mechanism
2 SERA T8 blue moonlight fluorescent bulb 36 watts SERA Discontinued/Light isolated facility

DOWNLOAD MATERIALS LIST

References

  1. Dell, A. I., et al. Automated image-based tracking and its application in ecology. Trends in Ecology & Evolution. 29 (7), 417-428 (2014).
  2. Berman, G. J., Choi, D. M., Bialek, W., Shaevitz, J. W. Mapping the stereotyped behaviour of freely moving fruit flies. Journal of The Royal Society Interface. 11 (99), (2014).
  3. Mersch, D. P., Crespi, A., Keller, L. Tracking Individuals Shows Spatial Fidelity Is a Key Regulator of Ant Social Organization. Science. 340 (6136), 1090 (2013).
  4. Tyson, L. Hedrick Software techniques for two- and three-dimensional kinematic measurements of biological and biomimetic systems. Bioinspiration & Biomimetics. 3 (3), 034001 (2008).
  5. Branson, K., Robie, A. A., Bender, J., Perona, P., Dickinson, M. H. High-throughput ethomics in large groups of Drosophila. Nature Methods. 6 (6), 451-457 (2009).
  6. de Chaumont, F., et al. Computerized video analysis of social interactions in mice. Nature Methods. 9, 410 (2012).
  7. Pérez-Escudero, A., Vicente-Page, J., Hinz, R. C., Arganda, S., de Polavieja, G. G. idTracker: tracking individuals in a group by automatic identification of unmarked animals. Nature Methods. 11 (7), 743-748 (2014).
  8. Fiala, M. ARTag, a fiducial marker system using digital techniques. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05). 2, 590-596 (2005).
  9. Koch, R., Kolb, A., Rezk-Salama, C. CALTag: High Precision Fiducial Markers for Camera Calibration. Koch, R., Kolb, A., Rezk-salama, C. , (2010).
  10. Crall, J. D., Gravish, N., Mountcastle, A. M., Combes, S. A. BEEtag: A Low-Cost, Image-Based Tracking System for the Study of Animal Behavior and Locomotion. PLOS ONE. 10 (9), e0136487 (2015).
  11. Charpentier, R. Free and Open Source Software: Overview and Preliminary Guidelines for the Government of Canada. Open Source Business Resource. , (2008).
  12. Crowston, K., Wei, K., Howison, J. Free/Libre Open Source Software Development: What We Know and What We Do Not Know. ACM Computing Surveys. 37, (2012).
  13. Edmonds, N. J., Riley, W. D., Maxwell, D. L. Predation by Pacifastacus leniusculus on the intra-gravel embryos and emerging fry of Salmo salar. Fisheries Management and Ecology. 18 (6), 521-524 (2011).
  14. Sbragaglia, V., et al. Identification, Characterization, and Diel Pattern of Expression of Canonical Clock Genes in Nephrops norvegicus (Crustacea: Decapoda) Eyestalk. PLOS ONE. 10 (11), e0141893 (2015).
  15. Sbragaglia, V., et al. Dusk but not dawn burrow emergence rhythms of Nephrops norvegicus (Crustacea: Decapoda). Scientia Marina. 77 (4), 641-647 (2013).
  16. Katoh, E., Sbragaglia, V., Aguzzi, J., Breithaupt, T. Sensory Biology and Behaviour of Nephrops norvegicus. Advances in Marine Biology. 64, 65-106 (2013).
  17. Sbragaglia, V., Leiva, D., Arias, A., Antonio García, J., Aguzzi, J., Breithaupt, T. Fighting over burrows: the emergence of dominance hierarchies in the Norway lobster (Nephrops norvegicus). The Journal of Experimental Biology. 220 (24), 4624-4633 (2017).
  18. Welcome to Python.org. , https://www.python.org/ (2018).
  19. Bradski, G. OpenCV Library. Dr. Dobb’s Journal of Software Tools. , (2000).
  20. Piccardi, M. Background subtraction techniques: a review. 2004 IEEE International Conference on Systems, Man and Cybernetics (IEEE Cat. No.04CH37583). 4, 3099-3104 (2004).
  21. Sankur, B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging. 13 (1), 146 (2004).
  22. Lai, Y. K., Rosin, P. L. Efficient Circular Thresholding. IEEE Transactions on Image Processing. 23 (3), 992-1001 (2014).
  23. Gaten, E. Light‐induced damage to the dioptric apparatus of Nephrops norvegicus (L.) and the quantitative assessment of the damage. Marine Behaviour and Physiology. 13 (2), 169-183 (1988).
  24. Sbragaglia, V., et al. An automated multi-flume actograph for the study of behavioral rhythms of burrowing organisms. Journal of Experimental Marine Biology and Ecology. 446, 177-186 (2013).
  25. Johnson, M. L., Gaten, E., Shelton, P. M. J. Spectral sensitivities of five marine decapod crustaceans and a review of spectral sensitivity variation in relation to habitat. Journal of the Marine Biological Association of the United Kingdom. 82 (5), 835-842 (2002).
  26. Markager, S., Vincent, W. F. Spectral light attenuation and the absorption of UV and blue light in natural waters. Limnology and Oceanography. 45 (3), 642-650 (2000).
  27. Aguzzi, J., et al. A New Laboratory Radio Frequency Identification (RFID) System for Behavioural Tracking of Marine Organisms. Sensors. 11 (10), 9532-9548 (2011).
  28. Audin, M. Geometry [Electronic Resource. , Springer Berlin Heidelberg:, Imprint: Springer. Berlin, Heidelberg. (2003).
  29. OpenCV Team Structural Analysis and Shape Descriptors - OpenCV 2.4.13.7 documentation. , https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=findcontours#void%20HuMoments(const%20Moments&%20m,%20OutputArray%20hu) (2018).
  30. Slabaugh, G. G. Computing Euler angles from a rotation matrix. 7, (1999).
  31. Zhang, Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 22 (11), 1330-1334 (2000).
  32. www.FOURCC.org - Video Codecs and Pixel Formats. , https://www.fourcc.org/ (2018).
  33. Suzuki, S., be, K. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing. 30 (1), 32-46 (1985).
  34. Sklansky, J. Finding the convex hull of a simple polygon. Pattern Recognition Letters. 1 (2), 79-83 (1982).
  35. Fitzgibbon, A., Fisher, R. A Buyer’s Guide to Conic Fitting. , 51.1-51.10 (1995).
  36. Otsu, N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics. 9 (1), 62-66 (1979).
  37. Hu, M. K. Visual pattern recognition by moment invariants. IRE Transactions on Information Theory. 8 (2), 179-187 (1962).
  38. Structural Analysis and Shape Descriptors - OpenCV 2.4.13.6 documentation. , https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=cvmatchshapes#humoments (2018).
  39. Douglas, D. H., Peucker, T. K. Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or its Caricature. Cartographica: The International Journal for Geographic Information and Geovisualization. 10 (2), 112-122 (1973).
  40. Vanajakshi, B., Krishna, K. S. R. Classification of boundary and region shapes using Hu-moment invariants. Indian Journal of Computer Science and Engineering. 3, 386-393 (2012).
  41. Kahle, D., Wickham, H. ggmap : Spatial Visualization with ggplot2. The R Journal. , 144-162 (2013).
  42. Venables, W. N., Ripley, B. D. Modern Applied Statistics with S. , Springer. New York. (2010).
  43. Abbas, Q., Ibrahim, M. E. A., Jaffar, M. A. A comprehensive review of recent advances on deep vision systems. Artificial Intelligence Review. , (2018).
  44. Menesatti, P., Aguzzi, J., Costa, C., García, J. A., Sardà, F. A new morphometric implemented video-image analysis protocol for the study of social modulation in activity rhythms of marine organisms. Journal of Neuroscience Methods. 184 (1), 161-168 (2009).
  45. Chapman, C. J., Shelton, P. M. J., Shanks, A. M., Gaten, E. Survival and growth of the Norway lobster Nephrops norvegicus in relation to light-induced eye damage. Marine Biology. 136 (2), 233-241 (2000).
  46. Video tracking software | EthoVision XT. , https://www.noldus.com/animal-behavior-research/products/ethovision-xt (2018).
  47. Correll, N., Sempo, G., Meneses, Y. L. D., Halloy, J., Deneubourg, J., Martinoli, A. SwisTrack: A Tracking Tool for Multi-Unit Robotic and Biological Systems. 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems. , 2185-2191 (2006).
  48. MATLAB - MathWorks. , https://www.mathworks.com/products/matlab.html (2018).
  49. Leggat, P. A., Smith, D. R., Kedjarune, U. Surgical Applications of Cyanoacrylate Adhesives: A Review of Toxicity. ANZ Journal of Surgery. 77 (4), 209-213 (2007).
  50. Dizon, R. M., Edwards, A. J., Gomez, E. D. Comparison of three types of adhesives in attaching coral transplants to clam shell substrates. Aquatic Conservation: Marine and Freshwater Ecosystems. 18 (7), 1140-1148 (2008).
  51. Cary, R. Methyl cyanoacrylate and ethyl cyanoacrylate. , World Health Organization. Geneva. (2001).
  52. Krizhevsky, A., Sutskever, I., Hinton, G. E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems. , http://papers.nips.cc/paper/4824-imagenet-classification-w 1097-1105 (2012).

Tags

العلوم البيئية، 146 المسألة، OpenCV، بيثون، وتحليل أشرطة الفيديو، وشغل مساحة، يوميا إيقاعات النشاط، تتبع
تتبع الفيديو الطويلة الأجل من الحيوانات المائية كوهوسيد: دراسة حالة من "النشاط الحركي اليومي" "النرويج جراد البحر" (<em>النرويجي نيفروبس</em>)
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Garcia, J. A., Sbragaglia, V.,… More

Garcia, J. A., Sbragaglia, V., Masip, D., Aguzzi, J. Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster (Nephrops norvegicus). J. Vis. Exp. (146), e58515, doi:10.3791/58515 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter