SwarmSight: एक आम तैयारी और पारंपरिक हार्डवेयर का उपयोग कर कीट एंटीना आंदोलनों और सूंड विस्तार पलटा की वास्तविक समय पर नज़र रखने

Published 12/25/2017
0 Comments
  CITE THIS  SHARE 
Neuroscience
 

Summary

इस प्रोटोकॉल का वर्णन के लिए कदम उपंयास सॉफ्टवेयर, SwarmSight का उपयोग करने के लिए, फ्रेम द्वारा फ्रेम के लिए परंपरागत वेब कैमरा पारंपरिक कंप्यूटर का उपयोग कर वीडियो से कीट एंटीना और सूंड पदों की ट्रैकिंग । नि: शुल्क, मुक्त स्रोत सॉफ्टवेयर फ्रेम के बारे में १२० बार मनुष्यों की तुलना में तेजी से और मानव सटीकता से बेहतर प्रदर्शन ।

Cite this Article

Copy Citation

Birgiolas, J., Jernigan, C. M., Gerkin, R. C., Smith, B. H., Crook, S. M. SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware. J. Vis. Exp. (130), e56803, doi:10.3791/56803 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

कई वैज्ञानिक और कृषि महत्वपूर्ण कीड़ों का उपयोग करने के लिए अस्थिर रासायनिक यौगिकों की उपस्थिति का पता लगाने और खिलाने के दौरान उनकी सूंड का विस्तार एंटीना । को तेजी से प्राकृतिक एंटीना और सूंड आंदोलनों के उच्च संकल्प माप प्राप्त करने की क्षमता और आकलन कैसे वे रासायनिक, विकास के जवाब में बदल जाते हैं, और आनुवंशिक जोड़तोड़ कीट व्यवहार की समझ सहायता कर सकते हैं । द्वारा कुल कीट झुंड या प्राकृतिक और प्रयोगशाला वीडियो विश्लेषण सॉफ्टवेयर SwarmSight का उपयोग कर वीडियो से पशु समूह आंदोलनों का आकलन पर हमारे पिछले काम का विस्तार, हम एक उपंयास, मुक्त विकसित की है, और खुला स्रोत सॉफ्टवेयर मॉड्यूल, SwarmSight संलग्न ट्रैकिंग (SwarmSight.org) द्वारा फ्रेम-कीट एंटीना और पारंपरिक वेब कैमरा पारंपरिक कंप्यूटर का उपयोग कर वीडियो से सूंड पदों के फ्रेम पर नज़र रखने । सॉफ्टवेयर के बारे में १२० बार मनुष्यों से तेज फ्रेम प्रक्रियाओं, मानव सटीकता की तुलना में बेहतर प्रदर्शन, और, दूसरा (एफपीएस) वीडियो प्रति 30 फ्रेम का उपयोग कर, antennal गतिशीलता पर कब्जा कर सकते हैं 15 हर्ट्ज. सॉफ्टवेयर दो गंध को शहद मधुमक्खियों का antennal प्रतिक्रिया को ट्रैक करने के लिए इस्तेमाल किया गया था और गंध के बारे में 1 एस के बारे में गंध स्रोत से दूर antennal reकर्षण का मतलब पाया । हम एंटीना स्थिति घनत्व गर्मी नक्शा क्लस्टर गठन और क्लस्टर और गंध एकाग्रता पर कोण निर्भरता मतलब मनाया ।

Introduction

अधिकांश arthropods समय और अंतरिक्ष में नमूना पर्यावरण cues और संकेतों के लिए एंटीना या अन्य संलग्न चाल. जानवरों इस तरह के रासायनिक वाष्पशीलता और gustatory और यांत्रिक उत्तेजनाओं1,2,3,4के रूप में संवेदी cues का पता लगाने के द्वारा अपने पर्यावरण नेविगेट करने के लिए एंटीना का उपयोग कर सकते हैं । कीड़ों में, एंटीना संवेदी रिसेप्टर्स होते हैं जो रासायनिक वाष्पशीलता के लिए बाइंड4,5,6 और केंद्रीय मस्तिष्क क्षेत्रों के लिए घ्राण संवेदी न्यूरॉन्स के माध्यम से इस संकेत संचारित1,7 ,8,9. कीड़े एंटीना पदों को समायोजित करने के लिए आवक गंध के बारे में जानकारी मिलाना4,10,11कर सकते हैं । इस मॉडुलन गंध और उनके प्लम के लिए सक्रिय रूप से सूचित व्यवहार प्रतिक्रियाओं की सुविधा12,13.

Hymenopterans सहित कई कीड़ों, (जैसे, हनी मधुमक्खियों और भौंरा), Lepidopterans (जैसे, तितलियों), और Dipterans (जैसे, मक्खियों और मच्छरों), दूसरों के बीच में, उनकी सूंड का विस्तार करके फ़ीड14 , 15 , 16 , 17 , 18 , 19 , 20 , 21. सूंड विस्तार है मज़बूती से सीखने और स्मृति कार्य की एक किस्म के लिए अतीत में इस्तेमाल किया गया है22,23,24,25,26, 27,28,29,30,31. इसी प्रकार, उच्च लौकिक और स्थानिक संकल्प के साथ एंटीना आंदोलन के मात्रात्मक मूल्यांकन उत्तेजना के बीच संबंधों में अंतर्दृष्टि उपज हो सकता है, व्यवहार, और पशु के आंतरिक राज्य. वास्तव में पिछले काम दिखाया गया है कि कैसे antennal आंदोलनों हनी मधुमक्खी पर्यावरण की ट्रैकिंग के बारे में जानकारी का एक अमीर मात्रा में होते है और कैसे३२सीखने के साथ आंदोलनों परिवर्तन,३३,३४, ३५,३६,३७,३८.

पिछले दशक में, पशु व्यवहार देख के लिए तरीके बहुत उच्च संकल्प वीडियो कैमरे में अग्रिम द्वारा त्वरित किया गया है, कंप्यूटर प्रसंस्करण गति, और मशीन विजन एल्गोरिदम । पशु का पता लगाने, गिनती, ट्रैकिंग, और जगह वरीयता विश्लेषण जैसे कार्यों के लिए परिष्कृत सॉफ्टवेयर है कि पशु व्यवहार के वीडियो की प्रक्रिया कर सकते है और प्रासंगिक उपायों को निकालने के साथ सहायता प्राप्त किया गया है३९,४०, ४१,४२,४३,४४,४५,४६,४७.

इन प्रौद्योगिकियों भी कीट एंटीना और सूंड आंदोलनों की ट्रैकिंग सहायता प्राप्त है । यह संभव है मानव रेटर के लिए एक माउस कर्सर का उपयोग करने के लिए मैंयुअल रूप से एंटीना की स्थिति को ट्रैक । हालांकि, जबकि इस विधि सही हो सकता है, कार्य समय लेने वाला है, और मानव ध्यान और थकान अविश्वसनीय परिणाम में परिणाम कर सकते हैं । विशेष उपकरण और तैयारी जटिल सॉफ्टवेयर की आवश्यकता को कम करने के लिए इस्तेमाल किया जा सकता है । उदाहरण के लिए, एक सेटअप एक उच्च गति कैमरे का इस्तेमाल किया और एंटीना के सुझावों को चित्रित ऐन्टेना आंदोलन४८ट्रैक करने के लिए । उपयोगकर्ताओं को भी वीडियो के कुंजी फ्रेम का चयन करने के लिए कहा जा सकता है एंटीना और सूंड स्थान का पता लगाने में सॉफ्टवेयर की सहायता४९। एक अंय दृष्टिकोण दो सबसे बड़े प्रस्ताव समूहों के लिए एंटीना की पहचान का पता चला, लेकिन यह सूंड स्थान५०का पता नहीं लगाता है । एक अंय सॉफ्टवेयर पैकेज एंटीना और सूंड स्थानों का पता लगा सकते हैं, लेकिन के बारे में ७.५ की आवश्यकता है फ्रेम५१, जो वास्तविक समय या दीर्घकालिक प्रेक्षण अध्ययन के लिए प्रतिबंधित किया जा सकता है प्रति संसाधन समय के एस । अंत में, यह वाणिज्यिक सॉफ्टवेयर संकुल (जैसे, EthoVision) को अनुकूलित करने के लिए४६कार्य करने के लिए संभव हो सकता है, लेकिन उनके लाइसेंस और प्रशिक्षण लागत निषेध किया जा सकता है ।

विधि के साथ यहां वर्णित है, हम गति विश्लेषण सॉफ्टवेयर४१ पर हमारे पिछले काम बढ़ाया कीट एंटीना और निंनलिखित लक्ष्यों के साथ सूंड के स्थानों को ट्रैक: (1) विशेष हार्डवेयर या जटिल जानवर तैयार करने के लिए कोई आवश्यकता नहीं, (2) एक पारंपरिक कंप्यूटर पर वास्तविक समय (30 एफपीएस या तेज) पर फ्रेम प्रसंस्करण, (3) उपयोग में आसानी, और (4) खुला स्रोत, आसानी से विस्तार कोड ।

जिसके परिणामस्वरूप उपंयास विधि और मुक्त स्रोत सॉफ्टवेयर, SwarmSight संलग्न ट्रैकिंग, एंटीना सुझाव की पेंटिंग की आवश्यकता नहीं है, एक उपभोक्ता वेब कैमरा का उपयोग करने के लिए वीडियो पर कब्जा कर सकते हैं, और एक पारंपरिक कंप्यूटर पर 30-60 एफपीएस पर वीडियो फ्रेम प्रक्रियाओं ( चित्र 1) । सॉफ्टवेयर इनपुट के रूप में वीडियो फ़ाइलों को लेता है । उपयोगकर्ता वीडियो में कीट सिर की स्थिति को रेखांकित और, प्रसंस्करण के बाद, एक अल्पविराम से अलग मूल्यों (. csv) फ़ाइल एंटीना और सूंड के स्थानों के साथ उत्पादित है । सॉफ्टवेयर FFmpeg पुस्तकालय के उपयोग के माध्यम से (सबसे डिजिटल कैमरों द्वारा उत्पादित प्रारूपों सहित) विभिंन वीडियो प्रारूपों के सैकड़ों पढ़ने में सक्षम है५२

Figure 1
चित्रा 1: पशु सेटअप और सॉफ्टवेयर उत्पादन. () अपने सिर और एक दोहन में रोका शरीर के साथ एक हनी मधुमक्खी चारा । () गंध स्रोत पशु के सामने रखा गया है, एक वीडियो कैमरा के ऊपर तैनात है, और एक वैक्यूम स्रोत जानवर के पीछे रखा गया है । () ऐन्टेना टिप और सूंड चर वीडियो से SwarmSight सॉफ्टवेयर द्वारा पता चला । (D) उपयोगकर्ता पशु पर एंटीना संवेदक की स्थिति और फ़िल्टर मापदंडों को समायोजित करता है । सॉफ्टवेयर एंटीना और सूंड पदों (पीले छल्ले) का पता लगाता है ।कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

सबसे पहले, एक कीट के शरीर और उसके सिर एक दोहन में रोका ऐसे है कि एंटीना और सूंड आंदोलनों आसानी से मनाया जाता है (चित्र 1a) । एक गंध स्रोत कीट के सामने रखा गया है, एक वैक्यूम स्रोत के साथ पीछे रखा, हवा से गंध को दूर करने और संवेदी अनुकूलन के संभावित प्रभाव को कम करने के लिए (चित्र 1b) । एक पारंपरिक वेब कैमरा एक तिपाई पर कीट सिर के ऊपर रखा गया है । एक एलईडी कैमरा दृश्य के भीतर तैनात किया जा सकता है इंगित करने के लिए जब गंध प्रस्तुत किया जा रहा है ।

Figure 2
चित्र 2: एंटीना निर्देशांक प्रणाली. एक्स, वाई मान वीडियो निर्देशांक प्रणाली है, जहां शीर्ष बाएँ कोने मूल और एक्स और वाई मूल्यों में वृद्धि जब नीचे दाहिने कोने की ओर बढ़ रहा है का उपयोग करें. कोण सिर के सामने के संबंध में डिग्री में व्यक्त कर रहे है (आमतौर पर गंध स्रोत) । "0" मान दर्शाता है कि एंटीना flagellum द्वारा बनाई गई रेखा सीधे जानवर के सामने इंगित कर रही है । सभी कोणों को छोड़कर सकारात्मक हैं, जब एक एंटीना का विरोध करने की दिशा में अंक (जैसे, सही flagellum अंक छोड़ दिया) । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

फिल्माने के बाद, वीडियो फ़ाइल SwarmSight सॉफ्टवेयर है, जहां उपयोगकर्ता पदों एंटीना संवेदक विजेट (चित्रा 1 डी, कीट के सिर पर काला वर्ग) के साथ खोला है, और वीडियो प्लेबैक शुरू होता है । जब परिणाम सहेजे जाते हैं, तो. csv फ़ाइल में एंटीना युक्तियों की X, y स्थितियां, सिर के सामने के सापेक्ष एंटीना कोण (चित्र 2) और सूंड़ x, Y स्थिति शामिल होंगी । इसके अतिरिक्त, प्रत्येक एंटीना के लिए एक प्रमुख क्षेत्र मीट्रिक की गणना की जाती है. मीट्रिक से पता चलता है जो ५ ३६ के प्रत्येक एंटीना के आसपास के क्षेत्रों में सबसे अधिक अंक एंटेना होने की संभावना समझा, और उपयोगी हो सकता है अगर एंटीना की स्थिति/कोण मीट्रिक शोर या अंयथा समस्याग्रस्त वीडियो के कारण विश्वसनीय नहीं हैं ।

संक्षेप में, सॉफ्टवेयर गति फिल्टर का एक सेट का उपयोग करके काम करता है५३ और एक आराम से बाढ़ को भरने के एल्गोरिथ्म५४। संभावना एंटीना अंक खोजने के लिए, दो फिल्टर का उपयोग किया जाता है: एक 3 लगातार फ्रेम अंतर फिल्टर४१,५५ और एक औसत पृष्ठभूमि घटाव५६ फिल्टर । एक रंग दूरी थ्रेसहोल्ड फिल्टर सूंड बिंदु का पता लगाने के लिए प्रयोग किया जाता है । प्रत्येक फ़िल्टर के अंक के शीर्ष 10% संयुक्त कर रहे हैं, और एक बाढ़ भरने एल्गोरिथ्म है कि 2 पिक्सल (पिक्सल) तक अंतराल के साथ निरंतर अंक का निरीक्षण चरम अंक रेखांकित करता है । समानांतर फ़्रेम डिकोडिंग, संसाधन और रेंडरिंग पाइपलाइन और फ़िल्टर डेटा प्रवाह का ऑप्टिमाइज़ किया गया स्मृति आबंटन उच्च प्रदर्शन प्राप्त होता है । कच्चे x और y सॉफ्टवेयर द्वारा उत्पादित मूल्यों के समंवय के बाद एक 3-फ़्रेम माध्य फ़िल्टर५७ रोलिंग ( चर्चादेखें) के साथ संसाधित कर रहे हैं । पूर्ण स्रोत कोड को डाउनलोड करने के लिए निर्देश५८ऑनलाइन पाया जा सकता है ।

नीचे एंटीना ट्रैकिंग के लिए एक शहद मधुमक्खी विचारार तैयार करने के लिए एक प्रोटोकॉल है. एक समान प्रोटोकॉल एंटीना को ट्रैक करने के लिए इस्तेमाल किया जा सकता है/ परिणाम अनुभाग में, हम एक नमूना ऐन्टेना ट्रेस आउटपुट जो सॉफ़्टवेयर द्वारा पाया जाता है का वर्णन, मानव रेटर द्वारा निष्पादित ट्रैकिंग के लिए सॉफ़्टवेयर आउटपुट की तुलना, और पाँच odorants के प्रत्युत्तर में एंटेना आंदोलन का आकलन.

Protocol

1. पकड़ो और दोहन शहद मधुमक्खियों

  1. 3.1.1 के माध्यम से स्मिथ और भार५९प्रोटोकॉल चरण 1 का पालन करें ।

2. पशु दोहन और वीडियो कैमरा तैयार करना

  1. दोहन ट्यूब के शीर्ष पर टेप लगाने से पैर छिपाने के लिए, नेत्रहीन कि पैरों का निरीक्षण ऊपर से चलती नहीं देखा जा सकता है ।
  2. कीट सिर की पीठ पर गर्म मोम लगाने से सिर को नियंत्रित करते हैं । नेत्रहीन निरीक्षण करते हैं कि सिर ठीक है और चलती नहीं । इस बिंदु पर, एंटीना और mandibles केवल उपांग मुक्त करने के लिए कदम होना चाहिए ।
  3. इस कीट के दोहन के नीचे कागज की एक सफेद चादर रखकर एंटीना और वीडियो पृष्ठभूमि के बीच कंट्रास्ट को अधिकतम । बाद में कैमरे को समायोजित करने की आवश्यकता को कम करने के लिए, कागज पर कीट दोहन के स्थान चिह्नित करें, और फिर एक ही स्थान पर नए व्यक्तियों जगह है ।
  4. कैमरा स्थिति एक तिपाई या एक वेब कैमरा धारक का उपयोग करने के लिए कीट के सिर के ऊपर कैमरा जगह फिक्स । कैमरा सॉफ्टवेयर का प्रयोग, वीडियो पूर्वावलोकन, और ज़ूम में सिर छवि बढ़ाना, वीडियो के सभी पक्षों पर एक ~ 20-30% निकासी के लिए अनुमति देता है ।
    1. सुनिश्चित करें कि केवल कैमरे को देखने में चलती वस्तुओं एंटीना या सूंड mandibles है और कैमरे या जानवर की स्थिति यदि आवश्यक हो तो ।
      नोट: SwarmSight सिर आसपास के पिक्सल में आंदोलन के लिए जांच करता है । इस तरह के पैर, छाया, प्रशंसक, या मनुष्य के रूप में वस्तुओं की वजह से सिर के तत्काल आसपास के क्षेत्र में बाहरी गति सॉफ्टवेयर को भ्रमित कर सकते हैं, और अतिरिक्त शोर परिचय ।
  5. परिवेश प्रकाश का समायोजन करके एंटीना छाया को कम करें ।
    नोट: सॉफ्टवेयर कुछ छाया बर्दाश्त कर सकते हैं, लेकिन सबसे अच्छा परिणाम के लिए, वे एक ंयूनतम करने के लिए रखा जाना चाहिए ।
  6. वीडियो भर कैमरा जोखिम समय स्थिर रखने के लिए कैमरा शटर गति सॉफ्टवेयर का उपयोग करके स्वत: कैमरा जोखिम समायोजन रोकें. सॉफ्टवेयर का प्रयोग, शटर गति समायोजित करने के लिए इसके विपरीत अधिकतम (वीडियो दृश्य भी प्रकाश या बहुत अंधेरा नहीं), ' के तहत वेब कैमरा सेटिंग्स ' जोखिम स्लाइडर का समायोजन करके ।
    नोट: उपरोक्त निर्देश वेब कैमरा और सॉफ्टवेयर का इस्तेमाल करने के लिए विशिष्ट हैं । इन अगर अंय वेबकैम उपयोग किया जाता है अनुकूलित करने की आवश्यकता होगी ।
  7. गंध वितरण स्रोत रखें और यह सुनिश्चित करें कि कैमरा वीडियो फ़ीड का निरीक्षण करके कैमरा दृश्य को बाधा नहीं । सुनिश्चित करें कि एक वैक्यूम स्रोत विपरीत पक्ष पर रखा गया है उत्तेजना गंध को दूर ।
  8. एक एलईडी, या कुछ अंय दृश्य सूचक है कि चमक बदलता है गंध वितरण इंगित करने के लिए, कैमरा दृश्य के भीतर रखें ।
    नोट: एलईडी चमक मूल्य सॉफ्टवेयर द्वारा सहेजा गया है और गंध वितरण शुरू होता है और समाप्त होता है जब सटीक फ्रेम निर्धारित करने के लिए इस्तेमाल किया जा सकता है ।

3. फिल्म प्रयोगात्मक शर्तों के तहत प्रत्येक व्यक्ति

  1. प्रत्येक व्यक्तिगत परीक्षण संयोजन अलग से या वीडियो संपादन सॉफ्टवेयर का उपयोग कर छोटी फ़ाइलों में एक लंबे वीडियो फ़ाइल विभाजित करने के लिए या तो अलग वीडियो फ़ाइलों में प्रत्येक व्यक्ति कीट और परीक्षण हालत फिल्म ।
    नोट: सॉफ्टवेयर प्रत्येक वीडियो में सिर की स्थिति का पता लगाने के लिए उपयोगकर्ता की आवश्यकता है, और सिर के लिए तय रहने के लिए । यदि सिर चलता है तो अतिरिक्त शोर शुरू किया जाएगा । SwarmSight के बैच प्रसंस्करण सुविधा उपयोगकर्ता तेजी से कई वीडियो के लिए सिर के स्थान निर्धारित करने के लिए अनुमति देता है और यह है कि कीट सिर प्रत्येक वीडियो फ़ाइल की अवधि के लिए तय रहता है मानता है । कैसे लंबे वीडियो फ़ाइलों को विभाजित करने पर निर्देश ऑनलाइन६०पाया जा सकता है ।

4. वीडियो विश्लेषण

  1. डाउनलोड करें और ऑनलाइन५८प्रदान किए गए चरणों का पालन करके ' एंटीना ट्रैकिंग मॉड्यूल ' स्थापित करें ।
    नोट: वीडियो ट्यूटोरियल कैसे सॉफ्टवेयर का उपयोग करने के लिए वेबसाइट पर उपलब्ध है के रूप में अच्छी तरह से वर्णन ।
  2. ' ब्राउज़ करें ' बटन का उपयोग करके एक फिल्मी जानवर दिखा एक वीडियो फ़ाइल खोलें ।
  3. एंटीना संवेदक और उपचार संवेदक पोजिशनिंग
    1. एक बार वीडियो लोड, जानवर के सिर पर आयताकार "एंटीना सेंसर" विजेट की स्थिति, रोटेशन और स्केल माउस का उपयोग करने के लिए सिर के साथ विजेट संरेखित (उदाहरण के लिए चित्र 1 डी देखें).
    2. स्थिति परिपत्र "उपचार सेंसर" एलईडी पर विजेट इंगित करता है कि जब गंध या उत्तेजना प्रस्तुत किया जा रहा है ।
      नोट: उपचार संवेदक हर फ्रेम के लिए विजेट के केंद्र में पिक्सेल की चमक मूल्य रिकॉर्ड होगा.
  4. वीडियो प्रोसेसिंग शुरू
    1. फ्रेम के विश्लेषण शुरू करने के लिए नीचे बाएँ कोने में "खेल" बटन (काला त्रिकोण) दबाएँ.
      नोट: पता लगाया संभावना ऐंटेना और सूंड अंक पीले प्रकाश डाला जाएगा । पीले छल्ले उपांग के सुझावों का स्थान दिखाएगा । कोण (जहां 0 पशु के सामने सीधे है एंटीना के) और सूंड विस्तार लंबाई "मॉडल" निचले बाएं कोने में विजेट में दिखाया जाएगा ( चित्र 1 dदेखें) । निचले सही कोने में "प्रमुख क्षेत्रों" विजेट ५ ३६ डिग्री क्षेत्रों के सापेक्ष तीव्रता दिखाएगा जहां सबसे एंटीना अंक का पता लगाया गया है । अंधेरी क्षेत्रों में सर्वाधिक अंक होते हैं, जबकि सबसे ज्यादा रोशनी के पास कटेंगे । सबसे अधिक अंक के साथ क्षेत्र संख्या (1-5) विजेट के निचले कोनों में दिखाया जाएगा (चित्र1 डी देखें).
  5. फ़िल्टर थ्रेशोल्ड समायोजित करना और बहिष्करण ज़ोन जोड़ना
    1. फ़िल्टर की संवेदनशीलता को बदलने के लिए, "फ़िल्टर" अनुभाग में, दाईं फलक पर स्लाइडर्स समायोजित करें ।
      नोट: प्रकाश की स्थिति और उपांग के सामान्य आंदोलन की गति के आधार पर, विभिन्न फिल्टर संवेदनशीलता इष्टतम हो जाएगा. उपयोगकर्ता मूल्यों का समायोजन और एंटीना संवेदक विजेट में प्रकाश डाला क्षेत्रों देख द्वारा इष्टतम मूल्यों पा सकते हैं । जब संवेदनशीलता का एक आदर्श सेट मिल जाता है तो केवल उपांग पर ही प्रकाश डाला जाएगा । यह तेजी से आगे के लिए वीडियो के अंय भागों के लिए सिफारिश की है सुनिश्चित करने के लिए फिल्टर संवेदनशीलता वहां इष्टतम हैं, भी है ।
    2. वैकल्पिक रूप से, बाहरी वस्तुओं की अनदेखी करने के लिए, सही पैनल पर, "एंटीना संवेदक" अनुभाग का विस्तार करें, "बहिष्करण क्षेत्र जोड़ें" बटन पर क्लिक ( चित्र 1 dदेखें), और एक लाल बहुभुज बनाने के लिए बिंदुओं का एक सेट पर क्लिक करें, सामग्री जिसमें से नजरअंदाज कर दिया जाएगा सॉफ्टवेयर.
      नोट: वीडियो बाहरी गति शामिल है, और गति एंटीना सेंसर विजेट क्षेत्र के भीतर है (जैसे, पैर, मजबूत छाया, प्रयोगशाला उपकरण, आदिचलती), सॉफ्टवेयर यह संलग्न आंदोलन के लिए गलती हो सकती है.
बाहरी ऑब्जेक्ट्स लाल बहुभुज या "बहिष्करण क्षेत्र." आरेखण द्वारा अनदेखा किया जा सकता है एक लाल बहुभुज के अंदर कुछ भी ट्रैकिंग के लिए इस्तेमाल नहीं किया जाएगा ।
  • बचत परिणाम
    1. एक बार फिल्टर और विगेट्स स्थापित किया गया है, वीडियो बंद करो, यह शुरुआत से पुनः आरंभ, और अंत करने के लिए खेलते हैं.
      नोट: एक बार पूरे वीडियो खेला है, सभी वीडियो फ्रेम के लिए उपांग की स्थिति स्मृति में संग्रहित किया जाएगा ।
    2. किसी फ़ाइल में संलग्नता स्थिति डेटा सहेजने के लिए, दाईं ओर "सहेजें" अनुभाग को विस्तृत करें और "इसमें सहेजें CSV "बटन । फिर फ़ाइल सहेजने के लिए कोई फ़ोल्डर चुनें ।
      नोट: "करने के लिए सहेजें । csv "बटन एक. csv फ़ाइल के लिए संसाधन परिणामों को सहेज लेगा । डिफ़ॉल्ट रूप से, उपयोगकर्ता को एक ही फ़ोल्डर में. csv फ़ाइल को वीडियो फ़ाइल के रूप में सहेजने के लिए पेश किया जाएगा और फ़ाइल नाम के भाग के रूप में कोई दिनांक और समय होगा । परिणामी. csv फ़ाइल में स्तंभों का एक सेट होता है जिसमें उपांग की स्थिति के बारे में जानकारी होती है, जिसमें एंटीना कोण और प्रमुख क्षेत्र शामिल होते हैं, साथ ही सिर का ओरिएंटेशन और स्थिति । प्रत्येक स्तंभ का वर्णन ऑनलाइन६१प्रदान किया गया है ।
    3. वैकल्पिक रूप से, जानकारी रिकॉर्ड करने के लिए,. csv फ़ाइल में एक अतिरिक्त स्तंभ (या अधिक यदि अल्पविरामों द्वारा पृथक किया गया), जैसे विषय ID या किसी प्रायोगिक शर्त का नाम बनाने के लिए सहेजें अनुभाग में स्तंभों (यों) और मान (s) फ़ील्ड्स का उपयोग करें ।
      नोट: स्तंभ (s) बॉक्स में मान पहले स्तंभ के शीर्ष लेख में दिखाई देगा और मान (s) बॉक्स में मान पहले स्तंभ की सभी पंक्तियों में दोहराया जाएगा ।
  • बैच संसाधन
    नोट: सॉफ्टवेयर एक बैच में एकाधिक वीडियो फ़ाइलों को संसाधित कर सकते हैं । हालांकि, बैच प्रारंभ करने से पहले उपयोगकर्ता को प्रत्येक वीडियो के लिए प्रमुख स्थान जानकारी प्रदान करनी होगी ।
    1. दाएँ फलक में, "वीडियो फ़ाइलें" अनुभाग में, सॉफ्टवेयर द्वारा क्रमिक रूप से संसाधित किया जा करने के लिए वीडियो फ़ाइलों की एक सूची बनाने की अनुमति देता है कि एक खिड़की खोलने के लिए "बैच प्रसंस्करण" बटन पर क्लिक करें.
    2. बैच सूची में शामिल करने के लिए एक या अधिक वीडियो फ़ाइलों का चयन करने के लिए "बैच में अधिक वीडियो फ़ाइलें जोड़ें" बटन का उपयोग करें ।
    3. वैकल्पिक रूप से, विजेट मापदंडों का एक ही सेट का उपयोग करेगा कि कई वीडियो का चयन करने के लिए "CTRL" या "SHIFT" कुंजी का उपयोग करें.
      नोट: पैरामीटर पुनः प्रयोग के लिए अच्छा उंमीदवारों एक ही जानवर है कि विभिंन प्रायोगिक परिस्थितियों के बीच स्थानांतरित नहीं किया गया है की वीडियो के सेट कर रहे हैं ।
    4. चयनित वीडियो के लिए उपयोग किया जा करने के लिए विजेट मापदंडों की स्थापना शुरू "सेट सेंसर पदों के लिए चुने गए" बटन.
    5. एंटीना सेंसर, उपचार संवेदक, फिल्टर, या वर्गों को बचाने में मापदंडों को समायोजित करें, और "बैच करने के लिए पैरामीटर सहेजें" जब किया ।
    6. एक बार एक वीडियो के लिए मापदंडों का चयन किया गया है, बैच प्रक्रिया शुरू "प्रसंस्करण शुरू" बटन पर क्लिक करके ।
      नोट: सॉफ़्टवेयर वीडियो फ़ाइलों को उस क्रम में लोड करेगा जिसमें वे बैच सूची में दिखाई देते हैं, उन्हें संसाधित करते हैं और उनकी संगत. csv फ़ाइलों को उसी फ़ोल्डर में सहेजते हैं जहाँ वीडियो फ़ाइलें स्थित होती हैं. शीर्ष पर एक प्रगति बार पहली वीडियो पूरा हो गया है के बाद एक अनुमानित खत्म समय प्रदान करेगा ।
  • Representative Results

    नीचे दिए गए अनुभागों में सॉफ्टवेयर के डेटा से उत्पादित एंटीना कोण का एक उदाहरण भूखंड हैं, सॉफ्टवेयर सटीकता और मानव रेटर के साथ गति की तुलना, और एक प्रयोग के परिणाम जहां हनी मधुमक्खी एंटीना आंदोलन की प्रस्तुति से प्रभावित है अलग गंध । आर सॉफ्टवेयर६२,६३ विश्लेषण प्रदर्शन और आंकड़े उत्पंन किया गया था । विश्लेषण और चित्रा पीढ़ी के लिए आर कोड के रूप में अच्छी तरह से वीडियो ट्यूटोरियल के रूप में ऑनलाइन पाया जा सकता है५८

    सॉफ्टवेयर आउटपुट:

    चित्रा 3 एंटीना कोण के पांच बेतरतीब ढंग से चयनित निशान से पता चलता है हनी मधुमक्खियों के वीडियो से सॉफ्टवेयर द्वारा पता लगाया शुद्ध और 35x खनिज तेल heptanal और heptanol के संस्करणों पतला, साथ ही स्वच्छ हवा के साथ प्रस्तुत किया ।

    Figure 3
    चित्रा 3: SwarmSight द्वारा पता लगाया एंटीना कोण के पांच नमूने निशान. Y-अक्ष डिग्री में एंटीना कोण से पता चलता है, जहां "0" सीधे पशु के सामने है, गंध स्रोत की ओर, बड़ा मूल्यों के साथ गंध स्रोत से दूर ओर इशारा करते हुए । Heptanol, heptanal, और उनके 35x खनिज तेल पतला संस्करण, के रूप में अच्छी तरह के रूप में स्वच्छ हवा, ग्रे के दौरान लागू किया गया 0-३,६०० ms windows एकल हनी मधुमक्खी के लिए चारा । बायां एंटीना लाल चिह्नित है, सही चिह्नित नीला है. पांच यादृच्छिक मधुमक्खियों, प्रत्येक शर्त से एक, पांच भूखंडों में चित्रित कर रहे हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

    सॉफ़्टवेयर मांयता:

    यह प्रमाणित करने के लिए कि सॉफ़्टवेयर मज़बूती से एंटीना के स्थानों का पता लगा सकता है, मनुष्यों द्वारा स्थित एंटीना की स्थिति, सॉफ़्टवेयर द्वारा स्थित स्थितियों के साथ तुलना की गई थी. दो मानव रेटर को ४२५ वीडियो फ्रेम में एंटीना और सूंड सुझावों का पता लगाने के लिए कहा गया (~ वीडियो के 14 एस) । एक कस्टम सॉफ्टवेयर मॉड्यूल रेटर द्वारा चिह्नित संलग्न स्थानों दर्ज की गई, स्वचालित रूप से उन्नत वीडियो फ्रेम, और कार्य पर खर्च समय की राशि दर्ज की गई. मानव के बीच पत्राचार का एक उदाहरण के रूप में और सॉफ्टवेयर स्थित मूल्यों, आरोपित कार्यक्षेत्र निर्देशांक एक एंटीना के निशान सॉफ्टवेयर के लिए और दो मानव पता लगाया स्थानों के लिए चित्रा 4aमें दिखाया गया है । दो रेटर ' चिह्नित एंटीना पदों के बीच की दूरी की गणना की गई और नाम "अंतर मानव दूरी." सॉफ्टवेयर द्वारा पता लगाया एंटीना स्थान और मानव रेटर द्वारा पता चला निकटतम स्थान के बीच की दूरी की गणना की गई थी और नाम "सॉफ्टवेयर-निकटतम मानव दूरी" (चित्रा 4B).

    Figure 4
    चित्रा 4: मानव रेटर के साथ तुलना. () दो मानव रेटर और SwarmSight स्थित ४२५ वीडियो फ्रेम में एंटीना युक्तियाँ. फ्रेम दर फ्रेम छोड़ दिया एंटीना टिप Y मानव रेटर और सॉफ्टवेयर द्वारा पाया निर्देशांक आरोपित हैं. (B) आरोपित फ़्रेम-दर-फ़्रेम असहमति (वीडियो पिक्सेल में दूरी) मानव रेटर (नारंगी) और सॉफ़्टवेयर और निकटतम मानव ॅातृ मान (काला) के बीच असहमति के बीच । () मानव बनाम मानव एंटीना टिप स्थानों (नारंगी) और सॉफ्टवेयर बनाम मानव स्थानों (काला) । (D) हिस्टोग्राम और संचई वितरण (डैश्ड) मानव बनाम मानव और सॉफ्टवेयर बनाम मानव फ्रेम-दर-फ्रेम असहमति दूरी । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

    अंतर मानव दूरी औसत पर १०.९ पिक्सल था, फ्रेम के ९५% में ५५.२ पिक्सल के भीतर, और ८१.६ पिक्सल की एक अधिकतम मूल्य था । सॉफ्टवेयर-निकटतम मानव दूरी औसत पर ८.० पिक्स था, फ्रेम के ९५% में १८.३ पिक्सल के भीतर, और ४९.० पिक्सल की एक अधिकतम मूल्य था ( चित्रा 4dमें दूरी हिस्टोग्राम देखें, और चित्रा 4c) । 5 पिक्सल लगभग एक एंटीना की चौड़ाई था । कुल मिलाकर, अंतर मानव दूरी कार्य की शुरुआत में तख्ते के लिए छोटा था, और कार्य की दूसरी छमाही में वृद्धि हुई है । हम इस ॅातृ थकान के कारण था शक है । इस बीच, सॉफ्टवेयर-निकटतम मानव दूरी के स्तर कार्य भर में लगातार बने रहे ।

    सॉफ्टवेयर की गति और मानव रेटर के साथ सटीकता की तुलना:

    मनुष्य प्रति सेकंड (एफपीएस) ०.५२ फ्रेम की एक औसत गति से एंटीना टिप और सूंड स्थानों रेटेड । मानव एफपीएस का अनुमान है, मनुष्यों द्वारा रेटेड फ्रेम की कुल संख्या (४२५ प्रत्येक) वे कार्य पर खर्च कुल समय (८७३ एस और ७६१ एस) द्वारा विभाजित किया गया था । सॉफ्टवेयर औसत पर ६५ एफपीएस पर फ्रेम एक दोहरे कोर विंडोज 7 पीसी पर रेटेड । साथ में उच्च प्रसंस्करण गति और सटीकता के समान या मानव रेटर से बेहतर है, सॉफ्टवेयर के लिए समय के बारे में प्रति यूनिट १२५ मानव रेटर के काम करने की उंमीद की जा सकती है ।

    गंध के लिए एंटीना प्रतिक्रिया का पता लगाने:

    प्रोटोकॉल कीट आंदोलन में महत्वपूर्ण व्यवहार मतभेदों का पता लगाने के लिए इस्तेमाल किया जा सकता है कि प्रदर्शन करने के लिए, हम दो अलग गंध के लिए 23 महिला शहद मधुमक्खियों के अधीन । शुद्ध heptanal और heptanol, दो गंध के 35x खनिज तेल कमजोर पड़ने, और नियंत्रण के रूप में स्वच्छ हवा, 4 एस के लिए प्रत्येक प्रस्तुत किया गया (कुल में पांच शर्तें) । वीडियो, के रूप में ऊपर प्रोटोकॉल में वर्णित है, SwarmSight सॉफ्टवेयर के साथ संसाधित किया गया, और एंटीना कोण विश्लेषण (चित्रा 5) ।

    Figure 5
    चित्रा 5: एंटीना कोण का मतलब है और पांच गंध शर्तों के लिए घनत्व गर्मी नक्शे । (एक) गर्मी से पहले एंटीना कोण घनत्व दिखा मैप्स, (गहरा मध्य क्षेत्र) के दौरान, और heptanol, वायु के प्रशासन के बाद, और heptanal odorants महिला हनी मधुमक्खियों (n = 23) के लिए । काले curves प्रति-फ़्रेम औसत एंटीना कोण (दोनों एंटीना) हैं । क्षैतिज रेखाएं पूर्व-गंध माध्य (आधारभूत) कोण हैं । पसंदीदा एंटीना स्थानों के क्लस्टर नोट (नीचे साजिश में लाल क्लस्टर) शुद्ध गंध की स्थिति के लिए गंध स्रोत से दूर, और मतलब एंटीना कोण करने के लिए इसी परिवर्तन.इसके अलावा गंध निष्कर्ष और गंध एकाग्रता पर अपनी स्पष्ट शुरुआत निर्भरता के बाद "खुशहाली" क्लस्टर नोट (अन्य चार भूखंडों में क्लस्टर स्थान देखें). घनत्व हीट मानचित्र रंग पैमाने पर मनमाने ढंग से सभी शर्तों भर में वर्दी है । (B) माध्य कोण परिवर्तन से पूर्व-गंध माध्य (त्रुटि पट्टियां एस. ई. एम.) । आकाशवाणी को छोड़कर, सभी माध्य परिवर्तन महत्वपूर्ण थे (t-test p & #60; ०.०५). कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

    से वीडियो फ्रेम 9 एस की गंध शुरुआत से पहले 3 एस से मिलकर वीडियो के क्षेत्रों, गंध प्रस्तुति के ३.६ एस, और २.४ एस गंध निष्कर्ष के बाद सभी व्यक्तियों और शर्तों (३०० फ्रेम/ सभी व्यक्तियों के दोनों एंटीना कोणों के प्रति फ्रेम का मतलब प्रत्येक शर्त के लिए गणना की गई और "मतलब कोण" (चित्रा 5 ए, काले curves) कहा जाता है । प्रत्येक शर्त के लिए व्यक्तियों भर में गंध शुरुआत से पहले फ्रेम के मतलब एंटीना कोण गणना और कहा जाता था "पूर्व गंध आधार रेखा" (चित्रा 5 ए, पतली क्षैतिज लाइनों).

    सभी स्थितियों में, नियंत्रण को छोड़कर, मतलब कोण आधारभूत से वृद्धि हुई, प्रत्येक एक बार ७५०-१,०५० ms गंध शुरुआत के बाद (चित्र 5 ए, 0-३,६०० ms क्षेत्र में काले curves) । आधार रेखा से मतलब परिवर्तन के लिए महत्व का परीक्षण किया गया (चित्रा 5B) दो-एंटीना के माध्यम से चोटी गंध पर व्यक्तियों का मतलब-प्रस्तुति का मतलब कोण समय आधारभूत करने के लिए प्रत्येक स्थिति का मतलब है 1-नमूना टी-परीक्षणों की एक श्रृंखला का उपयोग ( Shapiro सामान्यता परीक्षण सभी स्थितियों में महत्वपूर्ण नहीं है). आधारभूत से मतलब कोण परिवर्तन शुद्ध heptanal के लिए २६.९ ° था (मतलब ७५० ms पर नुकीला गंध शुरुआत के बाद), २१.१ ° ०.२ m heptanal के लिए (९९० ms पर), शुद्ध heptanol के लिए १९.६ ° (१,०५० ms), १९.३ ° ०.२ एम heptanol (७८० ms), और वायु नियंत्रण के लिए ३.४५ ° (कोई पीक नहीं) । सभी स्थितियों में, नियंत्रण को छोड़कर, आधारभूत से माध्य कोण परिवर्तन महत्वपूर्ण था (होल्म समायोजित p & #60; ०.०५) । हम ध्यान दें कि मतलब कोण लंबे समय तक के लिए शुद्ध odorants के जवाब में आधार रेखा पर लौटने लगते है से पतला odorants (कम-पास फ़िल्टर मतलब शुद्ध और २,९४० के लिए गंध शुरुआत के बाद आधारभूत ३,६९० ms के लिए वापस आ गया पतला heptanol के लिए ms; heptanal के लिए, वापसी बार थे ४,२६० एमएस के लिए शुद्ध और ३,००० ms पतला संस्करणों के लिए) ।

    हीट मैप्स का उपयोग विज़ुअलाइज़ेशन:

    एंटीना प्रतिक्रियाओं की कल्पना करने के लिए, प्रत्येक स्थिति के लिए एंटीना कोण घनत्व गर्मी नक्शे (चित्र 5 ए, नीला-लाल पृष्ठभूमि) उत्पन्न किए गए थे. प्रत्येक शर्त प्रति व्यक्ति के लिए 10 s वीडियो खंडों में ऐन्टेना कोण एक गाऊसी कर्नेल (आर पैकेज मास, kde2d फंक्शन६४) के साथ convolved थे । नीले क्षेत्रों एंटीना कोण के कम घनत्व दिखाने के लिए, जबकि लाल क्षेत्रों एंटीना कोण के उच्च घनत्व दिखा । शुद्ध heptanal हालत के लिए चित्रा 5 के नीचे भूखंड में हीट नक्शा एंटीना व्यवहार को दर्शाता है.

    मानचित्र से पता चलता है कि गंध पेश करने से पहले (t & #60; 0), एंटीना कोण घनत्व सभी कोणों भर में अपेक्षाकृत समान रूप से वितरित किया जाता है । गंध शुरुआत के बाद के बारे में 1 एस (t ~ १,००० ms), नीले और लाल समूहों की एक जोड़ी प्रकट होता है । क्षेत्रों में लाल छायांकित, एंटीना अधिक बार पाया गया क्षेत्रों की तुलना में छायांकित नीले । ब्लू क्लस्टर इंगित करता है कि एंटेना छोटे कोण से बचने के लिए खड़ा (गंध स्रोत 0 डिग्री की दिशा में स्थित था), जबकि लाल क्लस्टर इंगित करता है कि एंटीना अधिक से अधिक कोण पसंद (गंध स्रोत से दूर). गंध प्रस्तुति को बनाए रखा है के रूप में लाल क्लस्टर धीरे ही गायब हो जाता है । एक और लाल, हालांकि कम तीव्र, क्लस्टर के बारे में प्रकट होता है 1 गंध निष्कर्ष के बाद एस । हम दूसरा लाल क्लस्टर "रिबाउंड क्लस्टर्स" का नाम है । इसके बाद के संस्करण का मतलब कोण वसूली के अनुरूप, हम ध्यान दें कि रिबाउंड क्लस्टर पहले दिखाई देने लगते है और शुद्ध गंध के लिए से पतला गंध के लिए कम तीव्र हैं ।

    Discussion

    यहां प्रस्तुत विधि विशेष जानवर तैयारी या हार्डवेयर की आवश्यकता के बिना कीट एंटीना और सूंड आंदोलनों की वास्तविक समय पर नज़र रखने में सक्षम बनाता है ।

    सीमाओं:

    इन फायदों के बावजूद विधि की कुछ सीमाएं हैं । ये आवश्यकता है कि पशु के सिर आंदोलन से प्रतिबंधित है, उपयोगकर्ता के लिए स्थान और प्रत्येक वीडियो के लिए पशु के उंमुखीकरण का चयन करने के लिए, आवश्यकता एक Windows कंप्यूटर के लिए उपयोग किया है, और सॉफ्टवेयर को ट्रैक करने में असमर्थता शामिल है तीन आयामों में आंदोलन (3 डी) और कुछ नेत्रहीन अस्पष्ट संलग्न पदों में नीचे वर्णित है ।

    सॉफ्टवेयर की आवश्यकता है कि पशु के सिर जगह में तय हो गई है और वीडियो के दौरान नहीं चलती है । यह पिछले कार्य४८,४९,५०,५१की तैयारियों के समान है । यह सॉफ्टवेयर को संशोधित करने के लिए सिर घुमाव के स्वत: पता लगाने की अनुमति संभव है, तथापि, यह अतिरिक्त प्रसंस्करण समय की खपत और त्रुटि का एक नया स्रोत परिचय होगा । यदि संशोधित सॉफ्टवेयर सिर रोटेशन गलत का पता लगाने के लिए थे, यह एंटीना कोण को प्रभावित करेगा, के रूप में उनके अभिकलन सिर रोटेशन कोण के सापेक्ष है । वर्तमान में, उपयोगकर्ता सिर उंमुखीकरण वीडियो प्रति एक बार चुनता है । इस दृष्टिकोण, जबकि मानव त्रुटि के बिना नहीं, कोण गणना त्रुटियों को कम करता है जब सिर वीडियो के दौरान स्थानांतरित करने की अनुमति नहीं है ।

    सॉफ्टवेयर भी एक विंडोज 7 (या बाद में) ऑपरेटिंग सिस्टम (ओएस) की आवश्यकता है । लक्ष्य सॉफ्टवेयर स्थापित करने के लिए आसान बनाने के लिए किया गया था, सेटअप, और प्रोग्रामिंग या परिष्कृत कंप्यूटर प्रशासन कौशल के बिना उपयोगकर्ताओं द्वारा उपयोग. क्योंकि यह व्यापक रूप से उपलब्ध है हम विंडोज लक्ष्य का फैसला किया है, और मामलों में जहां यह करने के लिए उपयोग सीमित है, आभासी मशीन (जैसे, VirtualBox, VMware, समानताएं) windows के साथ आसानी से बनाया जा सकता है । ओएस का यह विकल्प बहुत आसान करने के लिए उपयोग करते हैं, कमांड लाइन मुक्त installer के उपयोग के माध्यम से सॉफ्टवेयर स्थापना को सरल और अलग OSs के लिए विशिष्ट कीड़े से बचा जाता है ।

    सॉफ्टवेयर केवल 2d अंतरिक्ष में उपांग की स्थिति पटरियों । कीड़े 3 डी में उनके एंटीना ले जाने के लिए जाना जाता है, जो कि महत्वपूर्ण जानकारी खो दिया है मतलब सकता है जब केवल 2 डी निर्देशांक मापा जाता है. जबकि कई कैमरों के उपयोग या दर्पण 3 डी स्थानीयकरण के लिए आवश्यक अतिरिक्त जानकारी एकत्र करने में सहायता कर सकता है, यह संभव है की गणना करने के लिए, त्रिकोणमिति संबंधों के उपयोग के साथ, एक अनुमान से बाहर विमान की स्थिति यह मानते हुए कि एंटेना है लगातार लंबाई के एकल लाइन क्षेत्रों और केवल कैमरा विमान के एक तरफ ले जाते हैं । हनी मधुमक्खियों के लिए, इस धारणा को 3 डी में स्थिति के लिए किसी न किसी अनुमान प्राप्त करने के लिए सच रखती है, लेकिन अंय प्रजातियों और स्थितियों के लिए जरूरी मामला नहीं होगा ।

    सॉफ्टवेयर सही ढंग से एंटीना और सूंड टिप स्थानों का पता लगाने के कुछ अस्पष्ट स्थितियों में नहीं होगा । यदि एक जानवर एक एंटीना इतना चलता है कि, वीडियो में, यह एक विस्तारित सूंड ओवरलैप, सॉफ्टवेयर की संभावना सूंड की नोक के रूप में एंटीना की नोक का पता लगाने जाएगा । एंटीना कोण तथापि, अभी भी संभावना सही ढंग से गणना की जाएगी (गैर अतिव्यापी भाग से). इसी प्रकार, यदि एंटीना युक्तियां जानवर के सिर के ऊपर सीधे चलते है (यानी, पक्षों पर नहीं) तो सॉफ्टवेयर केवल एंटीना के भाग का पता लगा सकता है कि सिर के बाहर दिखाई दे रहा है, या एंटीना के पिछले स्थान मान, या नकली का पता लगाने एंटीना स्थान के रूप में वीडियो शोर । दोनों ही स्थितियों में भी मानव रेटर को सूंड या सिर से एंटीना को समझदार करने में कठिनाई होती है. इस समस्या को कम करने के लिए, हम एक 3-फ्रेम लागू करने की सलाह देते हैं, सममित है औसत५७ फ़िल्टर कच्चे X और Y सॉफ्टवेयर द्वारा उत्पादित निर्देशांक । यह फ़िल्टर बड़े परिवर्तनीय (एकल-फ़्रेम) स्थिति उतार चढ़ाव को निकालता है, और अब एंटीना स्थिति आंदोलनों को संरक्षित रखता है. हमने पाया है कि 3-फ़्रेम फ़िल्टर ने कोई फ़िल्टर से बेहतर प्रदर्शन किया है, जबकि व्यापक फ़िल्टर (उदा., 5, 11, या 15 फ़्रेम) शुद्धता कम करते हैं । उदाहरण आर कोड है कि फिल्टर और एक वीडियो ट्यूटोरियल का उपयोग करता है५८ऑनलाइन पाया जा सकता है ।

    एक वैज्ञानिक उपकरण के रूप में मान:

    एक विधि की उपलब्धता तेजी से एक लागत प्रभावी तरीके से सही कीट संलग्न आंदोलनों प्राप्त करने के लिए जांच के नए क्षेत्रों को खोलने की क्षमता है ।

    सूंड विस्तार पलटा (प्रति) एक सामांय रूप से इस्तेमाल किया व्यवहार के लिए सीखने और कीड़ों की एक किस्म की स्मृति५९की जांच प्रतिक्रिया है । पिछले अध्ययन आम तौर पर एक द्विआधारी विस्तारित पर भरोसा किया है-या प्रति के उपाय नहीं है, हालांकि वीडियो और electromyographic विश्लेषण बहुत अधिक जटिल topologies सूंड आंदोलनों के लिए दिखाया गया है६५,६६। विधि यहां उच्च लौकिक और स्थानिक संकल्प में सूंड आंदोलनों के तेजी से ठहराव की अनुमति देता है ।

    गंध के जवाब में कीट एंटीना आंदोलनों खराब समझ रहे हैं । इस के लिए एक कारण यह है कि एंटीना इतनी तेजी से कदम है कि एक लागत प्रभावी, स्वचालित करने के लिए एंटीना आंदोलन डेटा प्राप्त करने के लिए साधन उपलब्ध नहीं किया गया है करते हैं । विधि यहां प्रस्तुत करने के लिए तेजी से स्थितियों की एक बड़ी संख्या में कीड़ों की बड़ी संख्या के लिए एंटीना आंदोलन डेटा प्राप्त किया जा सकता है । इस सहायता सकता है, उदाहरण के लिए, शोधकर्ताओं ने विभिंन उत्तेजनाओं के जवाब में एंटीना आंदोलनों के बीच मानचित्रण की जांच, विशेष रूप से अस्थिर गंध में । 30 हर्ट्ज पर फ्रेम पर कब्जा कैमरों का उपयोग करना, सॉफ्टवेयर antennal आंदोलन गतिशीलता को 15 हर्ट्ज (Nyquist सीमा) को चिह्नित करने के लिए इस्तेमाल किया जा सकता है. उच्च आवृत्तियों में लक्षण वर्णन की जरूरत है, उच्च कब्जा दरों के साथ कैमरों (उदा, ६० या १२० एफपीएस) का उपयोग किया जा सकता है । हालांकि, एक तेजी से कंप्यूटर को वास्तविक समय में उच्च एफपीएस वीडियो प्रक्रिया की आवश्यकता हो सकती है । हम सोचते है कि गंध की कक्षाएं, और संभवतः भी कुछ व्यक्ति गंध, विशेषता जंमजात antennal आंदोलनों है । यदि उन वर्गों या यौगिकों की खोज की जा सकती है, अज्ञात गंध या उनके वर्ग अप्रशिक्षित कीड़ों की antennal आंदोलन से पता लगाया जा सकता है । यदि ऐसी एक मानचित्रण मौजूद है, तो पर्याप्त एंटीना आंदोलन डेटा और कला मशीन सीखने एल्गोरिदम के राज्य के संयोजन के लिए इसे उजागर शुरू कर देना चाहिए । इसके अलावा, कैसे है कि शिक्षा के जवाब में परिवर्तन मानचित्रण, विकास के दौरान रूपों, या आनुवंशिक हस्तक्षेप के साथ बाधित है घ्राण प्रणाली के कार्यों में अंतर्दृष्टि प्रदान कर सकता है ।यह जटिल वातावरण में गंध के लिए इष्टतम नमूना तरीकों से पता चलता है, तो अंत में, यह काम गंध का कृत्रिम पता लगाने में अंतर्दृष्टि दे सकता है ।

    भविष्य का काम:

    यहां, हमें पता चला है कि एंटीना आंदोलन डेटा तेजी से प्राप्त किया जा सकता है और विश्लेषण: महत्वपूर्ण व्यवहार प्रतिक्रियाओं हमारे सॉफ्टवेयर द्वारा उत्पंन आंकड़ों से पता लगाया जा सकता है, और आगे की जांच के कई क्षेत्रों की पहचान की गई ।

    उत्तेजना के समय पाठ्यक्रम-से एंटीना कोण विचलन और बेसलाइन को वसूली और किसी भी उत्तेजना-निष्कर्ष रिबाउंड प्रभाव और गंध एकाग्रता पर अपनी निर्भरता की जांच की जा सकती है और गणितीय मॉडलिंग । इसके अतिरिक्त, appetitive या aversive कंडीशनिंग द्वारा प्रेरित एंटीना आंदोलनों के किसी भी परिवर्तन सॉफ्टवेयर के साथ मूल्यांकन किया जा सकता है ।

    गंध के बेहतर विभेद का भी पता लगाया जा सकता है । इस अध्ययन में, दोनों गंध, शुद्ध और 35x पतला संस्करणों में इसी तरह की प्रतिक्रियाएं मिली: एंटीना, औसत पर, तेजी से गंध स्रोत से दूर वापस लेने के लिए और कुछ ही सेकंड के बाद पूर्व गंध आधार रेखा के लिए वापस करने के लिए दिखाई दिया । हम सोचते है कि भी पतला संस्करणों हनी मधुमक्खियों के लिए बहुत मजबूत घ्राण उत्तेजनाओं किया गया हो सकता है । यदि सच है, सांद्रता की एक व्यापक रेंज अगर antennal प्रतिक्रियाओं गंध अंतर निर्धारित करने के लिए इस्तेमाल किया जा सकता है । इसके अतिरिक्त, और अधिक परिष्कृत विश्लेषण बेहतर अलग गंध के जवाब में antennal आंदोलनों में मतभेद प्रकट हो सकता है । हम डेटा SwarmSight वेबसाइट६७पर रुचि शोधकर्ताओं के लिए उपलब्ध इस पांडुलिपि में आंकड़े उत्पंन करने के लिए इस्तेमाल किया फ़ाइलों को बनाया है ।

    इसके अलावा, जबकि इस पांडुलिपि के दायरे के बाहर, सॉफ्टवेयर दोहरी ४५ ° पर angled दर्पण के साथ कक्षों में रखा जानवरों की वीडियो प्रक्रिया को बढ़ाया जा सकता है (उदाहरण के लिए चित्र 1 d देखें). यह सही ढंग से स्थानीयकरण और 3 डी अंतरिक्ष में उपांग और उनके आंदोलन को ट्रैक करने के लिए इस्तेमाल किया जा सकता है । हालांकि, 3 डी ट्रैकिंग के लिए एल्गोरिदम को कुशलतापूर्वक करने की आवश्यकता होगी: (a) disambiguate के बीच एकाधिक एंटीना के बीच में दिखाई देते हैं, जब वे एक पक्ष दर्पण में दिख रहे हैं, (ख) दर्पण कोण में खामियों के लिए सही है, और (ग) कैमरे के कारण विकृतियों के लिए खाता स्थिति.

    अंत में, स्थिति सटीकता में अतिरिक्त लाभ एक कलमाण फ़िल्टर६८, जो मॉडल के उपयोग के माध्यम से महसूस किया जा सकता है और ऐसे संलग्न वेग और त्वरण के रूप में शारीरिक स्थिति की जानकारी का उपयोग करता है आरै स्थानों की भविष्यवाणी की । हालांकि, सटीकता में किसी भी लाभ के अतिरिक्त चंद्रग्रहण के कारण गति में किसी भी कटौती के खिलाफ मूल्यांकन किया जाना चाहिए ।

    निष्कर्ष:

    कई कीड़ों अपने स्थानीय वातावरण में सक्रिय रूप से नमूना वाष्पशील यौगिकों के लिए एंटीना का उपयोग करें । antennal आंदोलनों में पैटर्न कीट गंध धारणा में अंतर्दृष्टि प्रदान कर सकते है और यह कैसे कंडीशनिंग, विषाक्त यौगिकों से प्रभावित है, और आनुवंशिक परिवर्तन । इसी तरह, सूंड आंदोलनों गंध धारणा और उसके मॉडुलन का आकलन करने के लिए इस्तेमाल किया गया है । हालांकि, तेजी से उच्च संकल्प संलग्न आंदोलन डेटा की बड़ी मात्रा में प्राप्त करना मुश्किल हो गया है । यहां, एक प्रोटोकॉल और सॉफ्टवेयर का वर्णन है कि इस तरह के कार्य को स्वचालित । संक्षेप में, हमने बनाया है और प्रदर्शन कैसे सस्ती हार्डवेयर, एक आम जानवर तैयार करने के संयोजन, और खुले स्रोत सॉफ्टवेयर तेजी से उच्च संकल्प कीट संलग्न आंदोलन डेटा प्राप्त करने के लिए इस्तेमाल किया जा सकता है । सॉफ्टवेयर का उत्पादन, यह कैसे गति और सटीकता में मानव रेटर प्रदर्शन, और कैसे अपने उत्पादन डेटा और विश्लेषण किया जा सकता है visualized दिखाया गया है ।

    Disclosures

    लेखकों की घोषणा है कि वे कोई प्रतिस्पर्धा वित्तीय हितों की है ।

    Acknowledgements

    जेबी, एसएमसी, और RCG ने NIH R01MH1006674 को एसएमसी और NIH R01EB021711 को RCG से सपोर्ट किया । CMJ और BHS पर NSF विचार लैब परियोजना द्वारा समर्थित थे "खुर घ्राण कोड" BHS के लिए । इस शोध को आयोजित करने में उनकी सहायता के लिए हम काइल Steinmetz, टैरिन Oboyle, और Rachael Halby को धन्यवाद देते हैं ।

    Materials

    Name Company Catalog Number Comments
    Insect harness N/A N/A Use materials needed for Protocol sections 1-3.1.1 of Smith & Burden (2014)
    Odor delivery source N/A N/A Use materials needed for Protocol section 3 of Smith & Burden (2014)
    Vacuum source N/A N/A Use materials needed for Protocol section 3 of Smith & Burden (2014)
    LED connected to odor delivery source N/A N/A Use materials needed for Protocol section 3 of Smith & Burden (2014)
    Low Voltage Soldering Iron Stannol Low Voltage Micro Soldering Iron 12V, 8W
    DC Power Supply Tekpower HY152A
    Tripod AmazonBasics 50-Inch Lightweight Tripod Optional
    Camera Genius WideCam F100 FLIR Flea3 or another camera with manual focus can be used.
    Camera software Genius N/A Software comes with camera. On MacOS, Photo Booth app can be used to record videos.
    Camera shutter speed software Genius N/A Genius camera software allows shutter speed setting. In Mac OS, iGlasses by ecamm can be used instead: http://www.ecamm.com/mac/iglasses/
    Windows Operating System Microsoft Windows 7 Professional Versions 7 or later are compatible. Oracle VirtualBox, Parallels Desktop, or VMWare Fusion can be used to create a Windows virtual machine in MacOS environments.
    SwarmSight software SwarmSight Appendage Tracking Download from http://SwarmSight.org
    R software R Project R 3.4.0 Download from: https://cran.r-project.org/bin/windows/base/
    R Studio software RStudio RStudio Desktop Download from: https://www.rstudio.com/products/rstudio/download/

    DOWNLOAD MATERIALS LIST

    References

    1. Hansson, B. S. Insect Olfaction. Springer Science & Business Media. New York. (1999).
    2. Masson, C., Mustaparta, H. Chemical information processing in the olfactory system of insects. Physiol Rev. 70, (1), 199-245 (1990).
    3. Firestein, S. How the olfactory system makes sense of scents. Nature. 413, (6852), 211-218 (2001).
    4. Schneider, D. Insect antennae. Annu Rev Entomol. 9, (1), 103-122 (1964).
    5. Kaissling, K. Chemo-electrical transduction in insect olfactory receptors. Annu Rev Neurosci. 9, (1), 121-145 (1986).
    6. Nakagawa, T., Vosshall, L. B. Controversy and consensus: noncanonical signaling mechanisms in the insect olfactory system. Curr Opin Neurobiol. 19, (3), 284-292 (2009).
    7. Heisenberg, M. What do the mushroom bodies do for the insect brain? An introduction. Learn Memory. 5, (1), 1-10 (1998).
    8. Zars, T. Behavioral functions of the insect mushroom bodies. Curr Opin Neurobiol. 10, (6), 790-795 (2000).
    9. Heisenberg, M. Mushroom body memoir: from maps to models. Nature Rev Neurosci. 4, (4), 266-275 (2003).
    10. Pelletier, Y., McLEOD, C. D. Obstacle perception by insect antennae during terrestrial locomotion. Physiol Entomol. 19, (4), 360-362 (1994).
    11. Suzuki, H. Antennal movements induced by odour and central projection of the antennal neurones in the honey-bee. J Insect Physiol. 21, (4), 831-847 (1975).
    12. Wachowiak, M. All in a sniff: olfaction as a model for active sensing. Neuron. 71, (6), 962-973 (2011).
    13. Bruce, T. J., Wadhams, L. J., Woodcock, C. M. Insect host location: a volatile situation. Trends Plant Sci. 10, (6), 269-274 (2005).
    14. Lunau, K., Wacht, S. Optical releasers of the innate proboscis extension in the hoverfly Eristalis tenax L.(Syrphidae, Diptera). J Comp Physiol [A]. 174, (5), 575-579 (1994).
    15. Szucsich, N. U., Krenn, H. W. Morphology and function of the proboscis in Bombyliidae (Diptera, Brachycera) and implications for proboscis evolution in Brachycera. Zoomorphology. 120, (2), 79-90 (2000).
    16. Harder, L. D. Measurement and estimation of functional proboscis length in bumblebees (Hymenoptera: Apidae). Can J Zool. 60, (5), 1073-1079 (1982).
    17. Hobbs, G. A. Further studies on the food-gathering behaviour of bumble bees (Hymenoptera: Apidae). Canadian Entomol. 94, (05), 538-541 (1962).
    18. Krenn, H. W. Functional morphology and movements of the proboscis of Lepidoptera (Insecta). Zoomorphology. 110, (2), 105-114 (1990).
    19. Krenn, H. W. Feeding mechanisms of adult Lepidoptera: structure, function, and evolution of the mouthparts. Annu Rev Entomol. 55, 307-327 (2010).
    20. Hepburn, H. R. Proboscis extension and recoil in Lepidoptera. J Insect Physiol. 17, (4), 637-656 (1971).
    21. Ramírez, G., Fagundez, C., Grosso, J. P., Argibay, P., Arenas, A., Farina, W. M. Odor Experiences during Preimaginal Stages Cause Behavioral and Neural Plasticity in Adult Honeybees. Front Behav Neurosci. 10, (2016).
    22. Takeda, K. Classical conditioned response in the honey bee. J Insect Physiol. 6, (3), 168-179 (1961).
    23. Bitterman, M. E., Menzel, R., Fietz, A., Schäfer, S. Classical conditioning of proboscis extension in honeybees (Apis mellifera). J Comp Psychol. 97, (2), 107 (1983).
    24. Lambin, M., Armengaud, C., Raymond, S., Gauthier, M. Imidacloprid-induced facilitation of the proboscis extension reflex habituation in the honeybee. Arch Insect Biochem Physiol. 48, (3), 129-134 (2001).
    25. Masterman, R., Smith, B. H., Spivak, M. Brood odor discrimination abilities in hygienic honey bees (Apis mellifera L.) using proboscis extension reflex conditioning. J Insect Behav. 13, (1), 87-101 (2000).
    26. Rix, R. R., Christopher Cutler, G. Acute Exposure to Worst-Case Concentrations of Amitraz Does Not Affect Honey Bee Learning, Short-Term Memory, or Hemolymph Octopamine Levels. J Econ Entomol. 110, (1), 127-132 (2017).
    27. Urlacher, E., et al. Measurements of Chlorpyrifos Levels in Forager Bees and Comparison with Levels that Disrupt Honey Bee Odor-Mediated Learning Under Laboratory Conditions. J Chem Ecol. 42, (2), 127-138 (2016).
    28. Charbonneau, L. R., Hillier, N. K., Rogers, R. E. L., Williams, G. R., Shutler, D. Effects of Nosema apis, N. ceranae, and coinfections on honey bee (Apis mellifera) learning and memory. Sci Rep. 6, (2016).
    29. Urlacher, E., Devaud, J. -M., Mercer, A. R. C-type allatostatins mimic stress-related effects of alarm pheromone on honey bee learning and memory recall. PLOS ONE. 12, (3), e0174321 (2017).
    30. Eiri, D. M., Nieh, J. C. A nicotinic acetylcholine receptor agonist affects honey bee sucrose responsiveness and decreases waggle dancing. J Exp Biol. 215, (12), 2022-2029 (2012).
    31. Liang, C. -H., Chuang, C. -L., Jiang, J. -A., Yang, E. -C. Magnetic Sensing through the Abdomen of the Honey bee. Sci Rep. 6, (2016).
    32. Erber, J., Pribbenow, B., Bauer, A., Kloppenburg, P. Antennal reflexes in the honeybee: tools for studying the nervous system. Apidologie. 24, 283 (1993).
    33. Erber, J., Kierzek, S., Sander, E., Grandy, K. Tactile learning in the honeybee. J Comp Physiol [A]. 183, (6), 737-744 (1998).
    34. Erber, J., Pribbenow, B. Antennal Movements in the Honeybee: How Complex Tasks are Solved by a Simple Neuronal System. Prerational Intelligence: Adaptive Behavior and Intelligent Systems Without Symbols and Logic, Volume 1, Volume 2 Prerational Intelligence: Interdisciplinary Perspectives on the Behavior of Natural and Artificial Systems, Volume 3. 109-121 (2000).
    35. McAfee, A., Collins, T. F., Madilao, L. L., Foster, L. J. Odorant cues linked to social immunity induce lateralized antenna stimulation in honey bees (Apis mellifera L). Sci Rep. 7, (2017).
    36. Dötterl, S., Vater, M., Rupp, T., Held, A. Ozone Differentially Affects Perception of Plant Volatiles in Western Honey Bees. J Chem Ecol. 42, (6), 486-489 (2016).
    37. Wang, Z., et al. Honey Bees Modulate Their Olfactory Learning in the Presence of Hornet Predators and Alarm Component. PLOS ONE. 11, (2), e0150399 (2016).
    38. Søvik, E., Plath, J. A., Devaud, J. -M., Barron, A. B. Neuropharmacological Manipulation of Restrained and Free-flying Honey Bees, Apis mellifera. J Vis Exp. (117), e54695 (2016).
    39. Fang, Y., Du, S., Abdoola, R., Djouani, K., Richards, C. Motion Based Animal Detection in Aerial Videos. Procedia Computer Science. 92, 13-17 (2016).
    40. Miller, B., Lim, A. N., Heidbreder, A. F., Black, K. J. An Automated Motion Detection and Reward System for Animal Training. Cureus. 7, (12), (2015).
    41. Birgiolas, J., Jernigan, C. M., Smith, B. H., Crook, S. M. SwarmSight: Measuring the temporal progression of animal group activity levels from natural-scene and laboratory videos. Behav Res Methods. (2016).
    42. Stern, U., Zhu, E. Y., He, R., Yang, C. -H. Long-duration animal tracking in difficult lighting conditions. Sci Rep. 5, 10432 (2015).
    43. Macrì, S., Mainetti, L., Patrono, L., Pieretti, S., Secco, A., Sergi, I. A tracking system for laboratory mice to support medical researchers in behavioral analysis. Engineering in Medicine and Biology Society (EMBC), 2015 37th Annual International Conference of the IEEE. 4946-4949 (2015).
    44. 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).
    45. York, J. M., Blevins, N. A., McNeil, L. K., Freund, G. G. Mouse short-and long-term locomotor activity analyzed by video tracking software. J Vis Exp. (76), e50252 (2013).
    46. Noldus, L. P., Spink, A. J., Tegelenbosch, R. A. EthoVision: a versatile video tracking system for automation of behavioral experiments. Behav Res Methods. 33, (3), 398-414 (2001).
    47. Egnor, S. E. R., Branson, K. Computational Analysis of Behavior. Annu Rev Neurosci. 39, (1), 217-236 (2016).
    48. Cholé, H., Junca, P., Sandoz, J. -C. Appetitive but not aversive olfactory conditioning modifies antennal movements in honeybees. Learn Memory. 22, (12), 604-616 (2015).
    49. Shen, M., et al. Interactive tracking of insect posture. Pattern Recognit. 48, (11), 3560-3571 (2015).
    50. Mujagić, S., Würth, S. M., Hellbach, S., Dürr, V. Tactile conditioning and movement analysis of antennal sampling strategies in honey bees (apis mellifera l). J Vis Exp. (70), (2012).
    51. Shen, M., Szyszka, P., Deussen, O., Galizia, C. G., Merhof, D. Automated tracking and analysis of behavior in restrained insects. J Neurosci Methods. 239, 194-205 (2015).
    52. Bellard, F., Niedermayer, M. FFmpeg. Available from: http://ffmpeg.org (2012).
    53. Cucchiara, R., Grana, C., Piccardi, M., Prati, A. Detecting moving objects, ghosts, and shadows in video streams. IEE Trans Pattern Anal Mach. 25, (10), 1337-1342 (2003).
    54. Shaw, J. R. QuickFill: An efficient flood fill algorithm. The Code Project. (2004).
    55. Zhang, H., Wu, K. A vehicle detection algorithm based on three-frame differencing and background subtraction. Computational Intelligence and Design (ISCID), 2012 Fifth International Symposium on Computational Intelligence and Design. 1, 148-151 (2012).
    56. Elgammal, A., Harwood, D., Davis, L. Non-parametric Model for Background Subtraction. Computer Vision - ECCV 2000. 751-767 (2000).
    57. Zeileis, A., Grothendieck, G. zoo: S3 infrastructure for regular and irregular time series. arXiv preprint math/0505527. (2005).
    58. SwarmSight.org. Swarmsight. Available from: http://swarmsight.org/ (2017).
    59. Smith, B. H., Burden, C. M. A Proboscis Extension Response Protocol for Investigating Behavioral Plasticity in Insects: Application to Basic, Biomedical, and Agricultural Research. J Vis Exp. (91), e51057 (2014).
    60. Abbass, H. How to split a video or audio file with VLC Player. Darktips. Available from: https://darktips.com/split-video-audio-file/ (2012).
    61. SwarmSight.org. SwarmSight Appendage Tracking CSV File Column Reference. Available from: http://swarmsight.org/Examples/Appendage%20Tracking/ColumnReference (2017).
    62. R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna, Austria. Available from: http://www.R-project.org/ (2014).
    63. Team, R. s RStudio: integrated development for R. RStudio, Inc. Boston, MA. (2015).
    64. Venables, W. N., Ripley, B. D. Modern Applied Statistics with S-PLUS. Springer Science & Business Media. New York. (2013).
    65. Smith, B. H., Menzel, R. An Analysis of Variability in the Feeding Motor Program of the Honey Bee; the Role of Learning in Releasing a Modal Action Pattern. Ethology. 82, (1), 68-81 (1989).
    66. Smith, B. H. An analysis of blocking in odorant mixtures: an increase but not a decrease in intensity of reinforcement produces unblocking. Behavioral neuroscience. 111, (1), 57 (1997).
    67. Birgiolas, J. SwarmSight Antenna Tracking CSV files. Available from: https://github.com/JustasB/SwarmSight/tree/master/Examples/Appendage%20Tracking/Birgiolas%20et.%20al.%20(2015)%20JOVE%20figures/Figures%204%265/CSVs (2017).
    68. Kalman, R. E. A New Approach to Linear Filtering and Prediction Problems. J Basic Eng. 82, (1), 35-45 (1960).

    Comments

    0 Comments


      Post a Question / Comment / Request

      You must be signed in to post a comment. Please or create an account.

      Video Stats