Cohoused suda yaşayan hayvanların uzun süreli Video izleme: Norveç ıstakoz (Nephrops norvegicus) ve günlük Lokomotor aktivite bir vaka çalışması
Summary
Burada tek tek hayvan uzun bir süre boyunca izlemek için bir iletişim kuralı mevcut. Vaka çalışması, aynı anda nasıl evine, bilgi veren bir grup ıstakoz kullanarak el ile oluşturulmuş etiketleri kümesini tanımlamak için yöntemleri işlemek ve ıstakoz işaretlemek bilgisayarlı görme kullanır.
Abstract
Biz arka plan çıkarma ve ayrı ayrı cohoused hayvanları izlemek olanak sağlar görüntü eşik dayalı bir video izleme tekniği ile ilgili bir protokol mevcut. Dört cohoused Norveç ıstakoz (Nephrops norvegicus) ile izleme rutin 5 gün boyunca ışık-karanlık koşullarda test ettik. Istakoz tek tek etiketli. Deneysel kurulum ve izleme teknikleri kullanılan tamamen açık kaynak yazılım üzerinde temel alır. El ile algılama ile izleme çıktısının karşılaştırma ıstakoz doğru olduğunu gösterir % 69 kez algılandı. Arasında doğru bir şekilde tespit edilen ıstakoz, onların bireysel etiketleri doğru olduğunu %89,5 kez tanımlanmış. Göz önüne alındığında iletişim kuralında kullanılan kare hızı ve ıstakoz hareket hızı, video izleme performansı iyi bir kalite sahiptir ve araştırma ihtiyaçları (birey için değerli veri üretiminde protokol geçerliliğini temsilcisi sonuçları destek Uzay doluluk veya Lokomotor aktivite desen). Burada sunulan Protokolü kolayca özelleştirilebilir ve, bu nedenle, nereye örneklerin bir gruptaki bireysel izleme-ebilmek var olmak araştırma soruları yanıtlamak için değerli diğer türler için transfer edilebilir.
Introduction
Son birkaç yılda, ekoloji ve davranış disiplinleri1temel soruları keşfetmek için kullanılan son derece hassas veri kümeleri otomatik görüntü tabanlı izleme sağlamıştır. Bu veri kümeleri için kantitatif analiz hayvan davranışları2,3kullanılabilir. Ancak, her görüntü metodoloji hayvanlar ve davranış değerlendirme izlemek için kullanılan onun güçlü ve sınırlamalar vardır. İki hayvan yolları geçerken hayvanlar4,5,6izlemek için bir film önceki kare uzamsal bilgileri kullanın yansıma tabanlı izleme protokolleri içinde hatalar tanıttı olabilir. Bu hatalar genellikle geri alınamaz ve zaman içinde yaymak. Azaltan veya ortadan kaldıran neredeyse bu sorun5,7sayısal gelişmeler rağmen bu teknikler hala doğru hayvan kimlik ve izleme için homojen deneysel ortamlar gerekir.
Hayvanlarda benzersiz tanımlanabilir işaretleri istihdam bu hataları önler ve saptanan bireylerin uzun vadeli izlenmesini sağlar. Yaygın olarak kullanılan işaretleri (örneğin, barkod ve QR kodları) sanayi ve ticaret var ve tanınmış bilgisayar vizyon yöntemlerle augmented gibi tanımlanabilir gerçeklik (örneğin, ARTag8) ve kamera kalibrasyon (örneğin, CALTag9 ). İçin örnek, karıncalar3 ya da arıların10ama bazı önceki bu sistemleri izole Etiketler3tanımak için optimize edilmiş değildir tagged hayvanlar daha önce farklı hayvan türleri, yüksek üretilen iş davranış araştırmaları kullanılmıştır.
Bu raporda sunulan izleme Protokolü tek kanallı görüntüleri, kızılötesi (IR) ışık veya monokromatik ışık gibi hayvanlarda izlemek için özellikle uygundur (özellikle, mavi ışık kullanın). Bu nedenle, geliştirilen yöntem renk cues, aynı zamanda diğer ayarları geçerli olmak kullanmaz aydınlatma kısıtlamaları orada. Ayrıca, özelleştirilmiş etiketler şekilde değil ıstakoz rahatsız ve aynı zamanda düşük maliyetli kameralar ile kayda izin için tasarlanmış kullanın. Ayrıca, burada kullanılan bu yöntem çerçeve bağımsız etiket algılama üzerinde dayanır (i.e., algoritma her etiket önceki yörüngeleri ne olursa olsun görüntüdeki varlığını tanır). Uygulamaların nerede hayvanlar geçici olarak tıkandı veya hayvanların yörüngeleri kesiştiği ilgili bir özelliktir.
Etiket design hayvanlar farklı gruplar halinde kullanımı sağlar. Yönteminin parametreleri ayarladığınızda, (diğer kabuklular veya gastropodlar) belirli bir sınıflandırıcının eğitim gerek kalmadan diğer hayvan izleme sorunları çözmek için aktarılabilir. Protokol ihracat ana etiket ve eki (hangi geçici o sinekler, arılar, vb gibi küçük böcekler için uygun değildir) hayvan ihtiyacını ve hayvan hareketi için 2D varsayım boyutunu sınırlamalardır. Etiket boyutu sabit kalır önerilen yöntem varsayar göz önüne alındığında bu sınırlama, önemlidir. Bir 3D ortamda (örneğin, Balık) serbestçe hareket hayvan uzaklığı kameraya bağlı olarak farklı etiket boyutları gösterir.
Bu iletişim kuralının amacı bir uzun süre (örneğin, gün veya hafta) bir 2D içerik içinde birden çok tagged hayvanlar izlemek için kullanıcı dostu bir yöntem sağlamaktır. Metodolojik yaklaşım açık kaynak yazılım ve donanım kullanımına dayanır. Ücretsiz ve açık kaynak yazılım uyarlama, değişiklikler ve ücretsiz yeniden dağıtım izin verir; Bu nedenle, oluşturulan yazılım her adım11,12, geliştirir.
Protokol burada izlemek ve 5 gün boyunca dört hayvanlar bir su tankında Lokomotor aktivite değerlendirmek için bir laboratuar üzerinde duruluyor sundu. Video dosyalarını bir 1 s hızlandırılmış görüntü kaydedilir ve bir video (1 kayıtlı gün yaklaşık 1 h video kaplar) saniyede 20 kare ile derlenmiş. Tüm video kayıtları bilgisayar vizyon yöntemler ve algoritmalar uygulama hayvan pozisyonları elde etmek için otomatik olarak postprocessed. Protokol izleme verilerini zaman yoğun ve önceki deneysel kağıtları13‘ te zahmetli olduğu gösterilmiştir el ile onların ek açıklama kaçınarak, büyük miktarlarda almak sağlanır.
Norveç ıstakoz (Nephrops norvegicus) vaka çalışması için kullanın; Böylece, biz onları korumak için species-specific laboratuvar koşulları sağlamak. Istakoz sirkadiyen saat14,15denetiminde olan iyi okudu yuva ortaya çıkması ritimleri gerçekleştirmek ve cohoused zaman, onlar egemenlik hiyerarşi16,17oluşturur. Bu nedenle, burada sunulan model davranış sirkadiyen ritim belirli odaklanarak sosyal modülasyonu ile ilgilenen araştırmacılar için iyi bir örnektir.
Burada sunulan metodolojisi kolaylıkla tekrar oluşturulur ve hayvanları tek tek etiketleri ile ayırt etmek için bir ihtimal varsa diğer türler için uygulanabilir. Böyle bir yaklaşım laboratuvarda çoğaltılması için gereken minimum gereksinimleri (ı) deneysel kurulum; izotermal odalar vardır (ii) bir sürekli su kaynağı; (iii) su sıcaklığı kontrol mekanizmaları; (iv) bir ışık kontrol sistemi; (v) bir USB kamera ve standart bir bilgisayar.
Bu protokol için Python18 ve OpenCV19 (açık kaynak bilgisayar vizyon kütüphane) kullanın. Hızlı ve yaygın olarak uygulanan işlemleri (uygulama ve yürütme açısından hem de), arka plan çıkarma20 ve görüntü eşik21,22gibi güveniyor.
Protocol
Representative Results
Discussion
Video izleme protokolü ile elde edilen performans ve temsilcisi sonuçları odaklı sosyal modülasyon ve sirkadiyen ritim cohoused hayvanların belirli bir hayvan davranış alanında uygulamalı araştırma için geçerliliğini doğruladı. Hayvan algılama (% 69) verimliliğini ve etiket ayrımcılık (%89,5) doğruluğu kullanılan hedef türler davranış özellikleri (yani, hareket hızı) ile birleştiğinde burada bu Protokolü (örneğin, gün ve hafta) uzun vadeli deneysel çalışmalar için mükemmel bir ç…
Declarações
The authors have nothing to disclose.
Acknowledgements
Yazarlar bu eserin yayın finanse Dr. Joan B. şirket için minnettarız. Ayrıca, Yazarlar deneysel çalışmaları sırasında deniz Bilimler Enstitüsü Barselona (ICM-CSIC) deneysel akvaryum bölgenin kendi yardım teknisyenleri için minnettarız.
Bu eser RITFIM projesi tarafından desteklenmiştir (CTM2010-16274; yürütücü: J. Aguzzi) İspanyol Bakanlığı bilim ve yenilik (MICINN) ve İspanyolca Bakanlığı Ekonomi ve rekabet TIN2015-66951-C2-2-R hibe tarafından kurulmuş.
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).
