מעקב וידאו לטווח ארוך של בעלי חיים ימיים Cohoused: חקר מקרה של הפעילות גינקולוגיות יומי של הלובסטר של נורבגיה (Nephrops norvegicus)
Summary
כאן אנו מציגים פרוטוקול לעקוב בנפרד חיות על פני תקופה ארוכה של זמן. היא משתמשת ממוחשבת שיטות לזיהוי קבוצת תגים נבנה באופן ידני באמצעות קבוצה של לובסטרים כמו חקר מקרה, בד בבד עם מתן מידע כיצד הבית, להשפיע, וזכור הלובסטרים.
Abstract
אנו מציגים פרוטוקול הקשורים טכניקה מעקב וידאו בהתבסס על רקע חיסור סף התמונה ומאפשר לעקוב בנפרד חיות cohoused. בדקנו את השגרה מעקב עם ארבעה לובסטרים נורבגיה cohoused (Nephrops norvegicus) בתנאים אור-חושך במשך 5 ימים. הלובסטרים היה כבר מתויג בנפרד. את ניסיוני וההתקנה של טכניקות מעקב השתמשו מבוססים לחלוטין על תוכנת קוד פתוח. ההשוואה של הפלט מעקב עם זיהוי ידני מציין כי הלובסטרים היו כראוי זוהה 69% של הפעמים. בין הלובסטרים זוהה כראוי, תגים בודדים שלהם היו כראוי מזוהה 89.5% של הפעמים. בהתחשב את קצב המסגרות המשמשים את הפרוטוקול ואת קצב תנועה לובסטרים, הביצועים של מעקב וידאו יש באיכות טובה, התוצאות נציג תמיכה את תוקפו של הפרוטוקול בהפקת נתונים יקרי ערך לצורכי מחקר (הפרט תפוסת שטח או דפוסי הפעילות גינקולוגיות). פרוטוקול המובאות כאן ניתן להתאים אישית בקלות והוא, לפיכך, להעברה מינים אחרים שבהם המעקב בודדים של דגימות בקבוצה יכול להיות יקר למענה על שאלות המחקר.
Introduction
השנים האחרונות, מעקב אוטומטי המבוסס על תמונות סיפקה datasets ומדויקים, אשר יכול לשמש כדי לחקור שאלות בסיסיות דיסציפלינות אקולוגיה והתנהגות1. אלה נתונים (datasets) יכול לשמש לניתוח כמותי של התנהגות בעלי חיים2,3. עם זאת, כל מתודולוגיה התמונה המשמש למעקב אחר חיות והערכה התנהגות יש החוזקות והמגבלות שלו. ב מעקב מבוססת תמונה פרוטוקולים המשתמשים במידע מרחבי ממסגרות קודמות בסרט כדי לעקוב אחר חיות-4,–5,–6, יכול הציג שגיאות כאשר חצו הנתיבים של שתי חיות. שגיאות אלה הם בדרך כלל בלתי הפיך, להפיץ דרך הזמן. למרות ההתקדמות חישובית להפחית או למנוע כמעט5,זו בעיה7, שיטות אלה עדיין צריך סביבות ניסיוני הומוגנית זיהוי בעלי חיים מדויק ומעקב.
העבודה של סימני שיכול להיות מזוהה באופן ייחודי בבעלי חיים מונע שגיאות אלה ומאפשר את מעקב ארוך טווח של אנשים שזוהו. סמני בשימוש נרחב (למשל, ברקודים, קודי QR) קיימת תעשייה ומסחר, ניתן לזהות באמצעות טכניקות חזון המחשב ידועים, כגון augmented המציאות (למשל, ARTag8) וכיול המצלמה (למשל, CALTag9 ). מתויג חיות בעבר שימשו ללימודי התנהגותית תפוקה גבוהה מיני בעלי חיים שונים, עבור דוגמה, נמלים3 או דבורים10, אך חלק ממערכות קודמות אלה לא הממוטבות זיהוי תגים מבודד3.
פרוטוקול מעקב הציג נייר זה מתאים במיוחד למעקב אחר חיות דימות ערוץ אחד, כגון אינפרה-אדום (IR) אור או אור מונוכרומטי (במיוחד, אנו משתמשים אור כחול). לכן, השיטה שפותחה אינו משתמש רמזים צבע, להיות גם החלים על הגדרות אחרות היכן ישנם אילוצים ההארה. בנוסף, אנו משתמשים תגים מותאמים אישית שנועדה כדי לא להפריע הלובסטרים, במקביל, לאפשר הקלטה עם מצלמות בעלות נמוכה. יתר על כן, שיטת המשמשת כאן מבוססת על מסגרת עצמאית תג זיהוי (כלומר., האלגוריתם מזהה הנוכחות של כל תג בתמונה ללא קשר מסלולים הקודם). תכונה זו רלוונטי ביישומים שבהם בעלי חיים יכול להיות occluded באופן זמני, או מסלולים של בעלי החיים עלול מצטלבים.
העיצוב תג מאפשר את השימוש בקבוצות שונות של בעלי חיים. לאחר הגדרת הפרמטרים של השיטה, זה יכול להיות מועבר להתמודד עם בעיות למעקב אחר חיות אחרות ללא צורך הדרכה מסווג מסוים (אחרים סרטנים או חילזונות). המגבלות העיקריות של ייצוא בפרוטוקול הן הגודל את התג ואת הצורך מצורף החיה (מה שהופך אותו מתאים לא חרקים קטנים, כגון זבובים, דבורים, וכו ‘), ועל ההנחה 2D עבור תנועת בעלי חיים. אילוץ זה הוא משמעותי, בהתחשב בכך השיטה המוצעת מניחה שגודל התג נשאר קבוע. חיה לנוע בחופשיות בתוך סביבה תלת-ממד (למשל, דגים) יראה בגדלים שונים תג בהתאם המרחק שלו למצלמה.
המטרה של פרוטוקול זה נועד לספק מתודולוגיה ידידותי למשתמש למעקב אחר חיות מתויג מרובים על פני תקופה ארוכה של זמן (קרי, ימים או שבועות) בהקשר 2D. הגישה מתודולוגי מבוססת על השימוש בקוד פתוח תוכנה וחומרה. תוכנה חופשית וקוד מקור פתוח מאפשר עיבודים, שינויים, הפצה חופשית; לכן, התוכנה שנוצר משפר11,בכל שלב12.
הפרוטוקול הציג כאן מתמקדת מעבדה כדי לעקוב אחר ולהעריך את הפעילות גינקולוגיות של ארבעה בעלי חיים ימיים במיכל במשך 5 ימים. קבצי הווידאו רשמה מתמונת 1 s זמן לשגות, הידור וידאו 20 מסגרות לשנייה (1 יום מוקלטות תופסת כ 1 h של וידאו). כל הקלטות וידאו הם postprocessed באופן אוטומטי כדי לקבל תפקידים בעלי חיים, החלת המחשב חזון שיטות ואלגוריתמים. הפרוטוקול מאפשר קבלת כמויות גדולות של מידע, הימנעות שלהם ביאור ידני, אשר הוכח להיות אינטנסיבית, מייגעת ניירות ניסיוני הקודם13על המעקב.
אנו משתמשים הסרטן נורבגיה (Nephrops norvegicus) עבור מקרה המבחן; לכן, אנו מספקים תנאי מעבדה ספציפית כדי לשמור אותם. לובסטרים לבצע מקצבים הופעתה למחילה למד היטב כי הם תחת השליטה של ה-14,שעון היממה15, כאשר cohoused, הם יוצרים הדומיננטיות הירארכיה16,17. ומכאן, המודל המוצג כאן הוא דוגמה טובה עבור חוקרים המעוניינים אפנון החברתית של התנהגות עם דגש ספציפי על השעון הביולוגי.
המתודולוגיה המוצגת כאן היא משוחזר בקלות, ניתן להחיל על מינים אחרים, אם יש אפשרות להבחין בין חיות עם תגים בודדים. הדרישות המינימליות עבור שכפול גישה כזו במעבדה הם (i) חדרים איזותרמי עבור ההתקנה ניסיוני; (ii) אספקה רציפה; (iii) מנגנוני הבקרה של הטמפרטורה מים; (iv) מערכת בקרת אור; (v) מצלמת USB של מחשב רגיל.
ב פרוטוקול זה, אנו משתמשים פיתון18 ו- OpenCV19 (Open Source המחשב חזון Library). אנו מסתמכים על מהירה ושימושית בדרך כלל פעולות (הן מבחינת יישום וביצוע), כגון רקע חיסור20 והתמונה סף21,22.
Protocol
Representative Results
Discussion
התוצאות נציג וביצועים שהושגו עם פרוטוקול מעקב וידאו אישר תוקפו למחקר יישומי בתחום של התנהגות בעלי חיים, עם דגש ספציפי על אפנון חברתית ומקצבים השעון הביולוגי של חיות cohoused. היעילות של זיהוי בעלי חיים (69%) את הדיוק של תג אפליה (89.5%) בשילוב עם ובמאפיינים התנהגותיים (קרי, קצב תנועה) של המין יעד משמ…
Declarações
The authors have nothing to disclose.
Acknowledgements
המחברים מודים על ד ר ג’ואן ב’ החברה מימנה את הפרסום של עבודה זו. כמו כן, המחברים מודים על הטכנאים של אזור אקווריום ניסיוני-המכון למדעי הים בברצלונה (ICM-CSIC) על עזרתם במהלך העבודה ניסיוני.
עבודה זו נתמכה על ידי הפרויקט RITFIM (CTM2010-16274; החוקר הראשי: Aguzzi ג’) נוסדה על ידי משרד המדע הספרדי חדשנות (MICINN) ואת המענק TIN2015-66951-C2-2-R ספרדית משרד הכלכלה ואת התחרותיות.
Materials
| 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=6mm/F1.4 | Infaimon | Standard Optical | https://www.infaimon.com/es/estandar-6mm |
| Glass Fiber Tank 1500x700x300 mm | |||
| 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 | ||
| 6m 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 12V 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 3.81mm | RS Components | 220-4658 | Light Control Mechanism |
| Capacitor 220 µF 200 V | RS Components | 440-6761 | Light Control Mechanism |
| Resistance 2K2 7W | RS Components | 485-3038 | Light Control Mechanism |
| Fuse 6.3x32mm 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,12Vin,+/-5Vout 100mA 1W | RS Components | 689-5179 | Light Control Mechanism |
| 2 SERA T8 blue moonlight fluorescent bulb 36 watts | SERA | Discontinued / Light isolated facility |
Referências
- Dell, A. I., et al. Automated image-based tracking and its application in ecology. Trends in Ecology & Evolution. 29 (7), 417-428 (2014).
- 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).
- 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).
- Tyson, L. Hedrick Software techniques for two- and three-dimensional kinematic measurements of biological and biomimetic systems. Bioinspiration & Biomimetics. 3 (3), 034001 (2008).
- 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).
- de Chaumont, F., et al. Computerized video analysis of social interactions in mice. Nature Methods. 9, 410 (2012).
- 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).
- 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).
- Koch, R., Kolb, A., Rezk-Salama, C., Koch, R., Kolb, A., Rezk-salama, C. . CALTag: High Precision Fiducial Markers for Camera Calibration. , (2010).
- 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).
- Charpentier, R. Free and Open Source Software: Overview and Preliminary Guidelines for the Government of Canada. Open Source Business Resource. , (2008).
- 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).
- 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).
- 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).
- Sbragaglia, V., et al. Dusk but not dawn burrow emergence rhythms of Nephrops norvegicus (Crustacea: Decapoda). Scientia Marina. 77 (4), 641-647 (2013).
- Katoh, E., Sbragaglia, V., Aguzzi, J., Breithaupt, T. Sensory Biology and Behaviour of Nephrops norvegicus. Advances in Marine Biology. 64, 65-106 (2013).
- 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).
- . Welcome to Python.org Available from: https://www.python.org/ (2018)
- Bradski, G. . OpenCV Library. Dr. Dobb’s Journal of Software Tools. , (2000).
- Piccardi, M. Background subtraction techniques: a review. 2004 IEEE International Conference on Systems, Man and Cybernetics (IEEE Cat. No.04CH37583). 4, 3099-3104 (2004).
- Sankur, B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging. 13 (1), 146 (2004).
- Lai, Y. K., Rosin, P. L. Efficient Circular Thresholding. IEEE Transactions on Image Processing. 23 (3), 992-1001 (2014).
- 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).
- 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).
- 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).
- 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).
- Aguzzi, J., et al. A New Laboratory Radio Frequency Identification (RFID) System for Behavioural Tracking of Marine Organisms. Sensors. 11 (10), 9532-9548 (2011).
- Audin, M. . Geometry [Electronic Resource. , (2003).
- . . OpenCV Team Structural Analysis and Shape Descriptors – OpenCV 2.4.13.7 documentation. , (2018).
- Slabaugh, G. G. . Computing Euler angles from a rotation matrix. 7, (1999).
- Zhang, Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 22 (11), 1330-1334 (2000).
- . www.FOURCC.org – Video Codecs and Pixel Formats Available from: https://www.fourcc.org/ (2018)
- 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).
- Sklansky, J. Finding the convex hull of a simple polygon. Pattern Recognition Letters. 1 (2), 79-83 (1982).
- Fitzgibbon, A., Fisher, R. . A Buyer’s Guide to Conic Fitting. , 51.1-51.10 (1995).
- Otsu, N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics. 9 (1), 62-66 (1979).
- Hu, M. K. Visual pattern recognition by moment invariants. IRE Transactions on Information Theory. 8 (2), 179-187 (1962).
- . Structural Analysis and Shape Descriptors – OpenCV 2.4.13.6 documentation Available from: https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=cvmatchshapes#humoments (2018)
- 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).
- 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).
- Kahle, D., Wickham, H. ggmap : Spatial Visualization with ggplot2. The R Journal. , 144-162 (2013).
- Venables, W. N., Ripley, B. D. . Modern Applied Statistics with S. , (2010).
- Abbas, Q., Ibrahim, M. E. A., Jaffar, M. A. A comprehensive review of recent advances on deep vision systems. Artificial Intelligence Review. , (2018).
- 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).
- 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).
- . Video tracking software | EthoVision XT Available from: https://www.noldus.com/animal-behavior-research/products/ethovision-xt (2018)
- 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).
- . . MATLAB – MathWorks. , (2018).
- 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).
- 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).
- Cary, R. . Methyl cyanoacrylate and ethyl cyanoacrylate. , (2001).
- Krizhevsky, A., Sutskever, I., Hinton, G. E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems. , 1097-1105 (2012).
