Name: using insect electroantennogram sensors on autonomous robots for olfactory searches
Uploaded: 2014-08-04T22:45:00.000+00:00
Duration: 7 min 23 s
Description: Watch this Scientific Journal Video about Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches at JoVE.com

This work was funded by the state program Investissements d&#8217;avenir managed by ANR (grant ANR-10-BINF-05 'Pherotaxis').

<html> Das Protokoll basiert auf einem handelsüblichen Roboter (siehe Materialien Tabelle) und männliche Motten (Agrotis ipsilon) mit ihrem Sexualpheromon basiert. Dennoch kann es mit geringfügigen Modifikationen, um andere Insekten, Duftstoffe und Roboter angepasst werden. Ein. Insekten <ol><li> Rück Larven von Agrotis ipsilon Hufnagel (Lepidoptera: Noctuidae) auf einer künstlichen Ernährung und sie in einzelne Plastikbecher, bis der Verpuppung bei 23 ± 1 ° C und 50 ± 5% relative Luftfeuchtigkeit wie zuvor 24 beschrieben. </li><li> Sex Puppen und halten erwachsene Männer getrennt von Frauen in Kunststoffboxen. Geben Sie ihnen freien Zugang zu einer 20% Saccharose-Lösung. </li><li> Führen Sie Experimente mit Männern. Männliche Motten sind sehr empfindlich auf die Sexualpheromon von ihren Artgenossen Frauen emittiert. In A. ipsilon, die Hauptpheromonbestandteil, cis-7-Dodecenylacetat (Z7-12: OAc) ist die aktive Verbindung an der Antenne. </li></ol>itel &quot;&gt; 2. Elektrophysiologie <ol><li> Notieren Sie sich die EAG aus einer ganzen Insekten Vorbereitung, wie unten (Abbildung 1A) beschrieben. Intakte Antennen werden über Antennen ausgeschnittenen bevorzugt, da sie eine längere Lebensdauer aufweisen (siehe repräsentative Ergebnisse). </li><li> Chloren zwei Silberdrähte durch Eintauchen in konzentrierte Bleichmittel-Lösung für 10-20 min und nachspülen. Dieser Prozess verhindert, dass Elektroden aus polarisierend. Es muss wiederholt werden, wenn die Basislinie während der Experimente driftet oder wenn die Offset-Spannung zwischen den Elektroden zu groß, um durch den Verstärker kompensiert wird. </li><li> Machen Glaselektroden aus feuerpolierte Kapillaren mit einer Elektrode Magnet. Feuerpolier verhindert ein Verkratzen des chlorierten Silberdraht mit Elektroden. </li><li> Anesthetize einen männlichen Motten mit CO 2 und legen Sie sie in einem Styropor-Block mit der Kopf von oben ragt. </li><li> Tether Kopf des Insekts mit Klebeband Malers um den Hals. </li><li> Legen Sie eine Silberdraht dient als Referenzelektrode in den Hals. </li><li> Unter einem Stereomikroskop, immobilisieren eine der Antennen mit dünnen Streifen Malerband an der Spitze und der Basis. </li><li> Schneide die distalen Segmente 2-3 der Antenne mit chirurgischen Schere. </li><li> Positionieren Sie den Glaselektrode in der Nähe des Schnitt Spitze der Antenne mit einem Mikromanipulator. </li><li> Schneiden Sie das Ende der Glaskapillare mit einer Pinzette, einen Durchmesser, der etwas größer ist als der Schnitt der Spitze der Antenne zu erhalten. </li><li> Füllen Sie das Glas mit Pipette (in mm) 6,4 KCl, 340 Glukose, 10 Hepes, 12 MgCl 2, 1 CaCl 2, 12 NaCl, pH 6,5. </li><li> Legen Sie den Schnitt der Spitze der Antenne in die Glaskapillare mit dem Mikromanipulator. </li><li> Schieben Sie die Silberdraht als Aufnahme Elektrode in die breiten Ende der Glaskapillare dient. </li></ol> 3. Hardware-Schnittstelle <ol><li> Montieren Sie die ganze Vorbereitung, also Insekten Elektroden-Mikromanipulator auf einer Metallplatte auf der Oberseite des Roboters (1B) eingeschraubt. Die Elektroden an den Roboter, wie unten beschrieben. </li><li> Basierend auf früheren Arbeiten 25-26, entwerfen eine Hardware-Schnittstelle, um die EAG Ausgangsspannung (um 1 mV an mehreren MQ) auf den Bereich für die Erweiterungsplatine des Roboters angemessen anzupassen. Der Vorstand übernimmt 0-5 V Analog-Eingänge und eine negative Spannung unter -200 mV kann schwere Schäden verursachen. Befolgen Sie die Schritte 3.2.1 bis 3.2.4, die Schnittstelle mit Adler entwerfen. <ol><li> Entwerfen einer ± 5V-Stromversorgung aus einer 12 V-Batterie mit Spannungsregler 78L10 (① in 2A-2C). </li><li> Entwerfen Sie eine heads Vorverstärker (10X), basierend auf Messverstärker INA121 (③ in 2A-2C). </li><li> Entwerfen einer zweiten Stufe Verstärker (25X) mit Rauschfilterung (erste Ordnung High-Pass-Filter 0,1 Hz, zweiter Ordnung Tiefpass-Filter 500 Hz, 50 Hz Notch-Filter), basierend auf Quad-Operationsverstärker LT1079 (315; in den Figuren 2A-2C). </li><li> Entwerfen Sie eine Signalaufbereitungsstufe, die mit Operationsverstärker LT1079 und Diode 1N4148 berechnet (⑤ in den 2A-2C). Die Gesamtverstärkung 250 und der EAG-Ausgang ist im Bereich von 0-5 V wobei Null bei 2,5 V. </li></ol></li><li> Die Elektroden an den Differenzeingängen EAG (② in den Fig. 2A-2C). Verbinden der Aufnahmeelektrode an den invertierenden Eingang des INA121 positive EAGs erhalten. </li><li> Verbinden Sie den EAG-Ausgang (⑥ in 2A-2C) zu den 12 analogen Eingänge der Erweiterungsplatine des Roboters. Da jeder Eingang sequentiell jede Millisekunde zu lesen, ist die Abtastfrequenz 1 kHz. </li></ol> 4. Software Interface Die Hauptfäden enthält eine grafische Benutzeroberfläche (GUI), Methoden zur Signalerfassung und die verschiedenen Funktionen zur Steuerung des Roboters. <ol><li> Schreiben Sie eine GUI (2D) in Qt-C + + fo<html> r Daten-Visualisierung, digitale Filterung (20 Hz 5. Ordnung Butterworth-Tiefpassfilter) und Geruchserkennung von der EAG. Entweder durch Entfalten der EAG mit einem geeigneten Filter (Engineering-Ansatz, Abschnitt 4.2), oder durch die Modellierung der neuronalen Mechanismen, die eine schnelle und zuverlässige Pheromondetektion in A. erlauben: Diese kann auf zwei Arten durchgeführt werden ipsilon Motten (bioinspirierter Ansatz, Abschnitt 4.3). </li><li> Entfaltung Filter. Die EAG ist gut durch eine nichtlineare Kaskade 27, die aus einer statischen Nichtlinearität besteht beschrieben <img alt="Gleichung 1" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq1.jpg" /> und eine 1. Ordnung Tiefpass-Filter mit exponentiellen Impulsfunktion <img alt="Gleichung 2" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq2.jpg" /> für <img alt="Gleichung 3" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq3.jpg" /> , Siehe 3A. In Reaktion auf schwankende Geruchskonzentrationwertung 4 &quot;fo: content-width =&quot; 0,3 Zoll &quot;src =&quot; / files/ftp_upload/51704/51704eq4.jpg &quot;/&gt; die EAG Ausgang wird von der Faltungsintegral gegeben <img alt="Gleichung 5" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq5.jpg" /> . Entfaltungs einfach durch die Umkehrung des Systems erhalten wurden; das heißt <img alt="Gleichung 6" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq6.jpg" /> in der Frequenzdomäne. Dann <img alt="Gleichung 7" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq7.jpg" /> die Fourier-Transformierte der Impulsantwort <img alt="Gleichung 8" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq8.jpg" /> . Für die Signalerkennung, befolgen Sie die Schritte 4.2.1 bis 4.2.3. <ol><li> Führen die Entfaltungsprozeß in der Zeitdomäne als <img alt="Gleichung 9" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq9.jpg" /> und <img alt="Gleichung 10" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq10.jpg" /> Fig. 3B. </li&gt; <li> Ungefähre die Nichtlinearität <img alt="Gleichung 11" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq11.jpg" /> durch eine Polynomfunktion. Setzen Sie die Parameter Polynom und die Zeit auf Input-Output-Datenpaare konstant den mittleren quadratischen Fehler zwischen realen minimieren <img alt="Gleichung 4" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq4.jpg" /> und rekonstruiert <img alt="Gleichung 12" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq12.jpg" /> Geruchskonzentration. </li><li> Erkennen die Pheromon-Hits, wenn <img alt="Gleichung 12" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq12.jpg" /> eine vordefinierte Schwelle übersteigt. </li></ol></li><li> Neuromorphe Detektor. Ein alternativer Ansatz zur Detektion besteht in Nachahmung der Biologie. In A. ipsilon Motten, zentralen Neuronen eine Eingabe von der Antenne reagieren auf die Pheromon mit einer stereotypen Brennerregungsmuster-Hemmung 13. Ein Hodgkin-Huxley-typ Neuronenmodell mit vier Ionenströme <img alt="Gleichung 13" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq13.jpg" /> (A delayed rectifier K +-Strom, spannungsgesteuerten Na + und Ca 2 +-Ströme, einen kleinen Leitwert Ca 2 +-abhängige K +-Strom) wurde entwickelt, um die zuvor beobachteten physiologischen Reaktionen 13 reproduzieren. Für die Signalerkennung, befolgen Sie die Schritte 4.3.1 bis 4.3.3. <ol><li> Implementieren Sie die Neuron-Modell als Differentialgleichungen. Verwenden Sie die EAG-Signal als Eingangsstrom <img alt="Gleichung 14" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq14.jpg" /> in der Evolution des Membranpotentials <img alt="Gleichung 15" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq15.jpg" /> . Verwenden Sie eine Membrankapazität C = 22,9 pF und einen Leckstrom gegeben durch <img alt="Gleichung 16" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq16.jpg" /> mit Leitwert g L = 0.011161 uS undUmkehrpotential E L = -61,4 mV. Die Ionenströme werden beschrieben von <img alt="Gleichung 17" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq17.jpg" /> mit <img alt="Gleichung 18" fo:content-width="2in" src="/files/ftp_upload/51704/51704eq18.jpg" /> von denen <img alt="Gleichung 19" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq19.jpg" /> sind nichtlineare Funktionen der V. vorherige Arbeit 13 für die Details. </li><li> Simulieren Sie die Neuron-Modell in Echtzeit mit Sirene durch die Integration der Differentialgleichungen mit einer 4-ter Ordnung Runge-Kutta-Verfahren und ein Zeitschritt <img alt="Gleichung 20" fo:content-width="0.1in" src="/files/ftp_upload/51704/51704eq20.jpg" /> = 0,01 msec. Führen Sie die Testspitze V (t f)&gt; 0 mV und V (t f - <img alt="Gleichung 20" fo:content-width="0.1in" src="/files/ftp_upload/51704/51704eq20.jpg" /> ) &lt;0 mV online Spike Zeiten zu erhalten und Interspike-Intervalle. </li><li> Erkennen derPheromon-Hits, wenn ein Platzen der Anregung (3 aufeinanderfolgende Interspike-Intervallen &lt;70 ms) wird durch Hemmung (Interspike-Intervall ≥ 350 ms) gefolgt, siehe Abbildung 3C. </li></ol></li></ol>

<ol>
	<li>Russel, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=World+Scientific+Series+in+Robotics+and+Intelligent+Systems.">World Scientific Series in Robotics and Intelligent Systems.</a> Odour detection by mobile robots. , 232 (1999).</li><li>Woodfin, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Trace chemical sensing of explosives. , 496 (2006).</li><li>Wyatt, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pheromones and animal behavior. , (2013).</li><li>Weissburg, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+fluid+dynamical+context+of+chemosensory+behavior).">The fluid dynamical context of chemosensory behavior).</a> Biol. Bull. 198, 188-202 (2000).</li><li>Angioy, A. M., Desogus, A., Barbarossa, I. T., Anderson, P., Hansson, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extreme+Sensitivity+in+an+Olfactory+System.">Extreme Sensitivity in an Olfactory System.</a> Chem. Senses. 28 (4), 279-284 (2003).</li><li>Kaissling, K. -. E., Guti&#233;rrez, , Marco, <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Sensitivity+of+the+insect+nose:+the+example+of+Bombyx+mori.">The Sensitivity of the insect nose: the example of Bombyx mori.</a> Biologically inspired signal processing. , 45-52 (2009).</li><li>Sauer, A. E., Karg, G., Koch, U. T., Dekramer, J. J., Milli, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+portable+EAG+system+for+the+measurement+of+pheromone+concentration+in+the+field.">A portable EAG system for the measurement of pheromone concentration in the field.</a> Chem. Senses. 17 (5), 543-553 (1992).</li><li>Strauch, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=More+than+apples+and+oranges+-+Detecting+cancer+with+a+fruit+fly's+antenna.">More than apples and oranges - Detecting cancer with a fruit fly's antenna.</a> Scientific reports. 4 (3576), 1-9 (2014).</li><li>Marshall, B., Warr, C. G., de Bruyne, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detection+of+Volatile+Indicators+of+Illicit+Substances+by+the+Olfactory+Receptors+of+Drosophila+melanogaster.">Detection of Volatile Indicators of Illicit Substances by the Olfactory Receptors of Drosophila melanogaster.</a> Chem. Senses. 35 (7), 613-625 (2010).</li><li>Rains, G. C., Tomberlin, J. K., Kulasiri, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+insect+sniffing+devices+for+detection.">Using insect sniffing devices for detection.</a> Trends Biotechnol. 26 (6), 288-294 (2008).</li><li>King, T. L., Horine, F. M., Daly, K. C., Smith, B. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Explosives+detection+with+hard-wired+moths.">Explosives detection with hard-wired moths.</a> IEEE Trans. Instrumentation and Measurement. 53 (4), 1113-1118 (2004).</li><li>Gardner, J., Bartlett, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Electronic noses. , (1999).</li><li>Martinez, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiphasic+On/Off+pheromone+signaling+in+moths+as+neural+correlates+of+a+search+strategy.">Multiphasic On/Off pheromone signaling in moths as neural correlates of a search strategy.</a> PLoS ONE. 8 (4), (2013).</li><li>Park, K. C., Ochieng, S. A., Zhu, J., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour+discrimination+using+insect+electroantennogram+responses+from+an+insect+antennal+array.">Odour discrimination using insect electroantennogram responses from an insect antennal array.</a> Chem. Senses. 27, 343-352 (2002).</li><li>Spitzer, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bio-Inspired+Nanostructured+Sensor+for+the+Detection+of+Ultralow+Concentrations+of+Explosives.">Bio-Inspired Nanostructured Sensor for the Detection of Ultralow Concentrations of Explosives.</a> Angewandte Chemie. 51 (22), 5334-5338 (2012).</li><li>Furton, K. G., Myers, L. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+scientific+foundation+and+efficacy+of+the+use+of+canines+as+chemical+detectors+for+explosives.">The scientific foundation and efficacy of the use of canines as chemical detectors for explosives.</a> Talanta. 54, 487-500 (2001).</li><li>Williams, M., Johnston, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Training+and+maintaining+the+performance+of+dogs+(Canis+familiaris)+on+an+increasing+number+of+odor+discriminations+in+a+controlled+setting.">Training and maintaining the performance of dogs (Canis familiaris) on an increasing number of odor discriminations in a controlled setting.</a> Applied Animal Behaviour Science. 78, 55-65 (2002).</li><li>Murlis, J., Elkinton, J. S., Card&#233;, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour+plumes+and+how+insects+use+them.">Odour plumes and how insects use them.</a> Annu. Rev. Entomol. 37, 505-532 (1992).</li><li>Kaissling, K. E., Lehler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pheromone-controlled+anemotaxis+in+moths.">Pheromone-controlled anemotaxis in moths.</a> Orientation and communication in Arthropods. , 343-374 (1997).</li><li>Vickers, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mechanisms+of+animal+navigation+in+odor+plumes.">Mechanisms of animal navigation in odor plumes.</a> Biol. Bull. 198, 203-212 (2000).</li><li>Martinez, D., Rochel, O., Hugues, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+biomimetic+robot+for+tracking+specific+odors+in+turbulent+plumes.">A biomimetic robot for tracking specific odors in turbulent plumes.</a> Autonomous Robot, Special Issue on Mobile Robot Olfaction. 20, 185-195 (2006).</li><li>Szyszka, P., Stierle, J. S., Biergans, S., Galizia, C. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Speed+of+Smell:+Odor-Object+Segregation+within+Milliseconds.">The Speed of Smell: Odor-Object Segregation within Milliseconds.</a> PLoS ONE. 7, (2012).</li><li>Bau, J., Justus, K. A., Loudon, C., Card&#233;, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electroantennographic+resolution+of+pulsed+pheromone+plumes+in+two+species+of+moths+with+bipectinate+antennae.">Electroantennographic resolution of pulsed pheromone plumes in two species of moths with bipectinate antennae.</a> Chem Senses. 30, 771-780 (2005).</li><li>Barrozo, R. B., Gadenne, C., Anton, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Switching+attraction+to+inhibition:+mating-induced+reversed+role+of+sex+pheromone+in+an+insect.">Switching attraction to inhibition: mating-induced reversed role of sex pheromone in an insect.</a> J. Exp. Biol. 213, 2933-2939 (2010).</li><li>Land, B. R., Wyttenbach, R. A., Johnson, B. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tools+for+physiology+labs:+an+inexpensive+high-performance+amplifier+and+electrode+for+extracellular+recording.">Tools for physiology labs: an inexpensive high-performance amplifier and electrode for extracellular recording.</a> J. Neuroscience Methods. 106, 47-55 (2001).</li><li>Ortiz, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+mobile+electrophysiology+board+for+autonomous+robotics.">A mobile electrophysiology board for autonomous robotics.</a> Master thesis. , (2006).</li><li>Justus, K. A., Card&#233;, R. T., French, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+Properties+of+Antennal+Responses+to+Pheromone+in+Two+Moth+Species.">Dynamic Properties of Antennal Responses to Pheromone in Two Moth Species.</a> J. Neurophysiol. 93, 2233-2239 (2005).</li><li>Martinez, D., Moraud, E. M., Persaud, K. .. C., Marco, S., Gutierrez-Galvez, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reactive+and+cognitive+search+strategies+for+olfactory+robots.">Reactive and cognitive search strategies for olfactory robots.</a> Neuromorphic Olfaction, Frontiers in Neuroengineering Series. , (2013).</li><li>Kuwana, Y., Shimoyama, I., Miura, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Steering+control+of+a+mobile+robot+using+insect+antennae.">Steering control of a mobile robot using insect antennae.</a> Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems. , (1995).</li><li>Kuwana, Y., Nagasawa, S., Shimoyama, I., Kanzaki, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthesis+of+the+pheromone-oriented+behaviour+of+silkworm+moths+by+a+mobile+robot+with+moth+antennae+as+pheromone+sensors.">Synthesis of the pheromone-oriented behaviour of silkworm moths by a mobile robot with moth antennae as pheromone sensors.</a> Biosensors and Bioelectronics. 14, 195-202 (1999).</li><li>Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detection+and+discrimination+of+mixed+odor+strands+in+overlapping+plumes+using+an+insect-antenna-based+chemosensor+system.">Detection and discrimination of mixed odor strands in overlapping plumes using an insect-antenna-based chemosensor system.</a> J. Chem. Ecol. 35, 118-130 (2009).</li><li>Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-time+odor+discrimination+using+a+bioelectronic+sensor+array+based+on+the+insect+electroantennogram.">Real-time odor discrimination using a bioelectronic sensor array based on the insect electroantennogram.</a> Bioinspiration and Biomimetics. 3, (2008).</li><li>Vickers, N. J., Christensen, T. A., Baker, T. C., Hildebrand, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour-plume+dynamics+influence+the+brain's+olfactory+code.">Odour-plume dynamics influence the brain's olfactory code.</a> Nature. 410, 466-470 (2001).</li><li>Vergassola, M., Villermaux, E., Shraiman, B. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term='Infotaxis'+as+a+strategy+for+searching+without+gradients.">'Infotaxis' as a strategy for searching without gradients.</a> Nature. 445, 406-409 (2007).</li><li>Martin-Moraud, E., Martinez, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effectiveness+and+robustness+of+robot+infotaxis+for+searching+in+dilute+conditions.">Effectiveness and robustness of robot infotaxis for searching in dilute conditions.</a> Frontiers in neurorobotics. , (2010).</li><li>Masson, J. -. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Olfactory+searches+with+limited+space+perception).">Olfactory searches with limited space perception).</a> PNAS. 110, 11261-11266 (2013).</li><li>Masson, J. -. B., Bailly Bechet, M., Vergassola, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chasing+information+to+search+in+random+environments.">Chasing information to search in random environments.</a> J. Phys. A: Math. Theor. 42, (2009).</li></ol>

Authors have nothing to disclose.

Vor fast zwanzig Jahren Kanzaki und seine Kollegen Pionier der Idee der Verwendung von EAG auf olfaktorische Roboter 29-30. Ihre Technik wurde ursprünglich auf exzidierten Antennen basiert. Hier, aus intakten Antennen aufgenommen wir, um die Empfindlichkeit und die Lebensdauer des Präparats zu verbessern. Andere Studien 31-32 bemerkte auch die Überlegenheit der Ganzkörper-Präparate über isolierte Antennen. In unserem Roboter-Experimente, erfahren wir stabile Aufnahmen innerhalb eines Tages. Im Gegensatz zu isolierten Antennen aufgezeichnet EAGs haben eine Lebensdauer von 2 h (Abbildung 5). Unsere EAG-Roboterplattform wurde in erster Linie entwickelt, um biologische Hypothesen über olfaktorische Kodierung und Suchstrategien in 13 Insekten testen. Ähnlich wie bei zentralen Neuronen eine Eingabe von Insektenfühler angeschlossen wir ein Neuronenmodell zu einem echten Motten Antenne auf einem Roboter durchgeführt und Pheromonerkennung auf der Grundlage seiner Brennmuster. Erkennung und Nicht-Detektion Ereignisse warendann benutzt, um den Roboter zu der Pheromonquelle anzutreiben. Die reaktive Suchstrategie hier betrachteten wurde von den Verhaltensmustern von männlichen Motten durch einen Sexuallockstoff angezogen inspiriert. Es entwickelte sich unter Laborbedingungen (Fig. 6), so dass die Lokalisierung eines niedrigen Emissionsquelle (Pheromon Dosis von 10 ug in unserem Fall gegenüber 10 mg in früheren Arbeiten 24) in einem relativ großen Suchraum (Anfangsabstand von der Quelle 2 m gegenüber 10 cm in früheren Experimenten 20-21). Diese Roboter-Experimente sollte als ein Proof of Concept zeigt, dass Insektenfühler sind für die Roboterriech Suche berücksichtigt werden. Obwohl Insektenfühler sind dafür bekannt, giftige Gase, Drogen und Sprengstoff 9-11 zu reagieren, sind einige Erweiterungen für den Umgang mit realen Anwendungen benötigt werden. Erstens kann eine anspruchsvollere Suchmethode 34-36 effizienter sein bei Entfernungen über 10 m, wenn der Rückkaufder Fahne wird sehr unwahrscheinlich. Zweitens kann es notwendig sein, EAGs aus verschiedenen Spezies in einer bio-elektronischen Nase Konfiguration 14 um Riechstoffe Interesse erkennen kombinieren. Drittens kann Stereo-Sensing-Funktionen durch die Aufnahme von den beiden Antennen des gleichen Insekten erhalten als nützlich erweisen, in Bezug auf Effizienz. Zwei parallel eingesetzten Sensoren können in der Tat erhöhen Direktionalität. Viertens, Erweiterungen der Suchstrategie auf Tarif Roboter sucht 37 sind, sollen für die Praxis als auch wenn sie nicht im Fall der Motten biologisch relevanter werden.

Heute werden die Tiere wie Hunde häufig in Sicherheitsanwendungen, die die Lokalisierung von chemischen Lecks, Drogen und Sprengstoff wegen ihrer ausgezeichneten Geruchserkennungsfunktionen beinhalten 16 verwendet. Doch zeigen sie Verhaltensänderungen, müde nach umfangreichen Arbeiten und erfordern häufige Umschulung als ihre Leistung im Laufe der Zeit 17 abnimmt. Eine Möglichkeit, diese Einschränkungen zu umgehen, ist es, ausgebildete Hunde durch olfaktorische Roboter ersetzen. Dennoch, Tracking Düfte und Geruchsquellen ist eine große Herausforderung in der Robotik. In turbulenten Umgebungen, die Landschaft ist von einer Geruchswolke sehr heterogen und unsicher, und besteht aus 4 Patches sporadisch befindet. Selbst bei mäßigen Abständen von der Quelle, so kurz wie nur wenige Meter, Erkennungen werden sporadisch und nur Hinweise liefern weise. Darüber hinaus werden lokale Konzentrationsgradienten während Erkennungen in der Regel nicht auf die Quelle verweisen. Angesichts Scheibeontinuierliche Informationsfluss und begrenzten lokalen Informationen, wenn Erfassungen gemacht, wie man einen Roboter in Richtung der Quelle navigieren? Es ist bekannt, dass Insekten wie männliche Falter verwenden chemische Kommunikation, ihre Partner über lange Strecken (mehrere hundert Meter) erfolgreich lokalisieren. Um dies zu tun, nehmen sie ein stereotypes Verhalten 18-20: Überspannungs sie gegen den Wind beim Erfassen einen Geruch Patch und führen Sie eine erweiterte Suche Guss genannt, wenn Informationen Geruch verschwindet. Dieser Anstieg Guss-Strategie ist rein reaktiv, dh Aktionen werden vollständig von aktuellen Wahrnehmungen (Nachweis-und Nicht-Erkennung Ereignisse) bestimmt. Doch hatte seine Umsetzung auf olfaktorische Roboter Erfolg in der Vergangenheit beschränkt, weil der Nachweis von Geruchs Patches wird durch die Langsamkeit der künstlichen Gassensoren behindert. Metalloxid-Sensoren in den meisten der Geruchs Robotern verwendeten Reaktions-und Erholungszeiten von einigen zehn Sekunden, so daß sie im allgemeinen herauszufilterndie Konzentrationsschwankungen in turbulenten Federn 21 angetroffen. Im Gegensatz dazu ist die Reaktionszeit von Insektenchemorezeptoren ist viel kürzer, z. B. der Anstiegszeit des Insekten Elektroantennogramme (EAG) weniger als 50 msec 22. Folglich kann durch Verwendung von Insekten EAGs, Geruchsimpulse mit Frequenzen von einigen Hertz 23 gelöst. Diese Eigenschaft macht EAG-Sensoren auch für die Detektion von Geruchsfäden in natürlichen Federn geeignet. Wir beschreiben hier ein Protokoll für die Einbettung von Insekten EAGs an Robotern was eine effiziente Geruchs Suche mit Überspannungs-und Casting-Strategien.

<table><tbody><tr><td>&lt;em&gt;Agrotis ipsilon&lt;/em&gt;</td><td>PISC &lt;br /&gt;http://www-physiologie-insecte.versailles.inra.fr/indexenglish.php</td><td></td><td>moth</td></tr><tr><td>Robot Khepera III</td><td>K-team &lt;br /&gt;www.k-team.com</td><td></td><td>Khe3Base + KorBotLE + KorWifi</td></tr><tr><td>KoreIOLE</td><td>K-team</td><td></td><td>Input/output extension board</td></tr><tr><td>EAG-robot interface</td><td>LORIA &lt;br /&gt;www.loria.fr</td><td></td><td>Custom-made hardware and software</td></tr><tr><td>Sirene</td><td>LORIA&amp;nbsp;</td><td></td><td>neuronal simulator sirene.gforge.inria.fr</td></tr><tr><td>Eagle</td><td>CadSoft www.cadsoftusa.com</td><td></td><td>PCB design software</td></tr><tr><td>Micromanipulator</td><td>Narishige / Bio-logic</td><td>UN-3C</td><td></td></tr><tr><td>Magnet base</td><td>Narishige/ Bio-logic</td><td>USM-6</td><td></td></tr><tr><td>Adapter</td><td>Narishige/ Bio-logic</td><td>UX-6-6</td><td></td></tr><tr><td>Rotule</td><td>Narishige/ Bio-logic</td><td>UPN-B</td><td></td></tr><tr><td>Micro scisors</td><td>MORIA / Phymep</td><td>15371-92</td><td></td></tr><tr><td>Stereo microscope Zeiss St&amp;eacute;mi 2000</td><td>Fisher Scientific</td><td>B19961</td><td></td></tr><tr><td>Light source 20 W KL200</td><td>Fisher Scientific</td><td>W41745</td><td></td></tr><tr><td>Narishige PC-10 Na PC-1</td><td>Narishige</td><td>Narishige PC-10</td><td></td></tr><tr><td>Capillaries Na PC-1</td><td>Fisher scientific</td><td>C01065</td><td></td></tr><tr><td>Pheromone cis-7-Dodecenyl acetate(Z7-12:OAc)</td><td>Sigma-Aldrich</td><td>259829</td><td></td></tr><tr><td>Pack of 3 pipettes: 2-20 &amp;micro;l/ 50-200 &amp;micro;l/ 100-1,000 &amp;micro;l</td><td>Eppendorf</td><td>4910000514</td><td>For pheromone dilution and deposition on paper filter</td></tr><tr><td>Gas sensor TGS2620&amp;nbsp;</td><td>Figaro www.figarosensor.com</td><td></td><td>Optional, for comparison with EAG</td></tr><tr><td>Electrode puller</td><td>Narishige&amp;nbsp;</td><td>PC-10</td><td></td></tr></tbody></table>

using insect electroantennogram sensors on autonomous robots for olfactory searches

Roboter entwickelt, um chemische Lecks in gefährlichen Industrieanlagen 1 oder explosive Spuren in der Landminenfelder 2 Gesicht das gleiche Problem wie Insekten auf Nahrungssuche oder die Suche nach drei Kumpels verfolgen: das olfaktorische Suche wird durch die Physik der turbulenten Transport 4 eingeschränkt. Die Konzentration Landschaft von Wind getragen Gerüche ist diskontinuierlich und besteht aus sporadisch befindet Patches. Eine Voraussetzung, um Geruchs Suche ist, dass eine intermittierende Patches Geruch erkannt werden. Aufgrund seiner hohen Geschwindigkeit und Empfindlichkeit 6.5 bietet das Riechorgan der Insekten eine einzigartige Gelegenheit für die Erkennung. Insektenfühler sind in der Vergangenheit benutzt worden, um nicht nur Sexualpheromone 7, sondern auch Chemikalien, die für den Menschen relevant sind, z. B. flüchtigen Verbindungen aus Krebszellen, 8 oder giftige und illegale Substanzen ausgeh 9-11 zu erkennen. Wir beschreiben hier ein Protokoll für die Verwendung von Insektenfühler auf autonome Roboter eind präsentieren ein Proof of Concept für die Verfolgung von Geruchsschwaden zu ihrer Quelle. Die weltweite Reaktion von Riechzellen in situ in Form von Elektroantennogramme (EAG) erfasst. Unsere experimentellen Design, basierend auf einer gesamten Insekten Herstellung ermöglicht stabile Aufzeichnungen innerhalb eines Arbeitstages. Im Vergleich EAGs auf geschnitten Antennen haben eine Lebensdauer von 2 Stunden. Eine benutzerdefinierte Hardware / Software-Schnittstelle zwischen den EAG-Elektroden und einem Roboter entwickelt. Das Messsystem löst individuellen Geruch Patches bis zu 10 Hz, was die Zeitskala der künstlichen chemischen Sensoren 12 überschreitet. Die Effizienz der EAG-Sensoren für olfaktorische Suche wird weiter in den Antrieb des Roboters in Richtung einer Quelle des Pheromons gezeigt. Durch die Verwendung identischer olfaktorischen Reizen und Sensoren wie in echten Tieren, bietet unser Roboter-Plattform ein direktes Mittel zur Prüfung der biologischen Hypothesen über olfaktorische Kodierung und Suchstrategien 13. Es kann auch als nützlich erweisen, zum Nachweis anderer Riechstoffe InteressenKombination aus verschiedenen EAGs Insektenarten in einer bioelektronischen Nase Konfiguration 14 oder mit nanostrukturierten Gassensoren, die Insektenfühler 15 imitieren.

Die oben beschriebene Protokoll wurde mit kurzen Impulsen von 20 ms Pheromon (Dosis 1 ug und 10 ug) direkt auf der Antenne aufgeblasen getestet. 4A zeigt die EAGs in Reaktion auf Pheromon Impulse. Sie sind positiv, weil die Aufzeichnungselektrode mit dem invertierenden Eingang des Verstärkers verbunden ist, wie in Schritt 3.3 beschrieben. Wie von dem Leistungsspektrum angezeigt, ist das Messsystem in der Lage, Impulse Pheromon bis 10 Hz bis zu beheben. Zum Vergleich testeten wir auch ein handelsübliches Gassensor. Die TGS2620 ist für den Nachweis von Lösungsmitteldämpfen hergestellten Metalloxid-Sensor. Obwohl der Sensor stellt eine hohe Empfindlichkeit gegenüber Ethanol, war es nicht in der Lage, um Variationen in der Konzentration folgen (siehe die gestrichelte Kurve in Abbildung 4B). Das Problem stammt aus dem Sensorgehäuse. Die TGS2620 ist mit einer Kappe, die eine flammfestem Edelstahl Gaze hat kommerzialisiert. Die Reaktionszeit ist langsam, da in der Praxis dauert esgewisse Zeit, damit das Gas durch die Gaze diffundieren und erreichen die Metalloxidoberfläche. Recovery ist auch langsam, weil es Zeit braucht, um den Sensor zu reinigen, wenn das Gas im Inneren der Kappe gefangen. Wir haben deshalb die Kappe entfernt und diese Modifikation verbessert die Dynamik erheblich (siehe die Ebene Kurve in Abbildung 4B). Noch gab es einen Faktor zehn zwischen der EAG und TGS2620 (10 Hz gegenüber 1 Hz). Dieser Vergleich ist jedoch qualitative als EAG TGS2620 und die nicht unter den gleichen Bedingungen getestet. Wir untersuchten dann die Stabilität über die Zeit unseres ganzen Insektenpräparat (n = 12 Motten) im Vergleich zu ausgeschnittenen Antennen (n = 7 Antennen). Die EAG wurde periodisch in Reaktion auf Reize Pheromon (Dauer 500 ms, Dosis 1 ug) aufgezeichnet. Raw EAGs (in mV) wurden relativ EAGs umgewandelt (in Prozent vom Ausgangswert zum Zeitpunkt t = 0) erhalten. Abbildung 5 zeigt sehr gute Stabilität unseres ganzen Insekten prepbereitung innerhalb eines Arbeitstages. Im Gegensatz dazu verzeichnete EAGs an isolierten Antennen Abnahme schnell über die Zeit, so dass das Signal fällt auf die Hälfte des Ausgangswertes nach nur 1,5 Stunden. Diese Zeitabhängigkeit ist gut mit einer exponentiellen Zerfall mit einer Lebensdauer von 2 h beschrieben. Schließlich untersuchten wir die Fähigkeit des EAG Roboter-Plattform zu, um eine Geruchsquelle (Pheromonverbindung Z7-12: OAc) suchen, unter Verwendung eines reaktiven Suchstrategie (6A). Die Suchstrategie vereint gegen den Wind Anstieg jedes Mal das Pheromon wird mit Spiral Gießen in der Abwesenheit von Erkennungen 28 erfasst. Die Gegenwart von Pheromon ist aus der EAG durch die neuromorphe Detektor erfasst, wie in Schritt 4.3 beschrieben. Zwei Beispiele von EAG bei der Suche sind in Abbildung 6B gezeigt. Ohne die Geruchsquelle bleibt die EAG um Null (also 2,5 V) mit sehr wenigen oder keinen Erkennungen. Der Roboter führt Spirale Gießen und in der Regel lässt den Suchraum befErz Erreichen der Zielposition (in 92% der Studien, n = 26 Studien, 6C rechts). Mit der Geruchsquelle (6C links), präsentiert der EAG Ausbrüche von Aktivität (Erkennungen) mit Zeiten der Stille (keine Nachweise) verflochten. Spiral Gießen tritt vor allem bei der Fahne Kontur (6C links, rote Linie) und scheint eine effiziente Strategie für die Verlagerung der Mittelfahne, wenn der Geruch wird verloren sein. In diesem Zustand wird die Quelle allgemein gefunden (Erfolgsrate = 96%, n = 44 Versuche). <img alt="Figur 1" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig1highres.jpg" width="500" /> Abbildung 1. Ganzinsekten EAG Vorbereitung und Roboter-Setup. A) Die Elektroantennogramm (EAG) wird von einer ganzen Insekten Vorbereitung (siehe Text für Details). B) aufgezeichnet Die Zubereitung ist auf der rob montiertot. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig1highres.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.</a> <img alt="Figur 2" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig2highres.jpg" width="500" /> Abbildung 2. Hardware-Software-Schnittstelle. A) Eagle-Schema der Hardware. Die Schaltung besteht aus sechs Abschnitten (siehe Text für Details). Es ermöglicht Filterung (Frequenzband von 0,1 bis 500 Hz, Kerb bei 50 Hz), Verstärkung (Gesamtgewinn 250X) und Signalanlage im Bereich von 0-5 V. B) Eagle-Layout zeigt Leitungen aus Kupfer (die obere ist rot, und der unten in blau) und Löcher (in grün). C) Leiterplatte (PCB), die die einzelnen Elemente. D) Grafische Benutzerschnittstelle (GUI) in Qt-C + + für die Datenvisualisierung (rote Kurve = EAG-Eingang, grüne Spur geschrieben= Neuronenmodell Ausgang), Filter-Design und Signalerkennung. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig2highres.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.</a> <img alt="Fig. 3" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig3highres.jpg" width="500" /> Abbildung 3. Signalerkennung aus der EAG. A) Elektroantennogramm (EAG)-Modell. Die EAG wird durch eine nichtlineare Kaskade 27, die von einer statischen Nichtlinearität gefolgt von einer 1. Ordnung Tiefpaßfilter mit exponentieller Impuls-Funktion besteht modelliert <img alt="Gleichung 21" fo:content-width=".2in" src="/files/ftp_upload/51704/51704eq21.jpg" /> . Die EAG Ausgang wird von der Faltungsintegral mit vorgegebenen <img alt="Gleichung 22" fo:content-width="2in" src="/files/ftp_upload/51704/51704eq22.jpg" /> . B)-Engineering-Ansatz. Die Entfaltung filter schreibt <img alt="Gleichung 23" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq23.jpg" /> und <img alt="Gleichung 24" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq24.jpg" /> , Siehe Text für Details. Geruch Begegnungen (Hits) werden erkannt, wenn <img alt="Gleichung 12" src="/files/ftp_upload/51704/51704eq12.jpg" /> einen vordefinierten Grenzwert überschreitet. C) Bio-inspirierten Ansatz. Ein Hodgkin-Huxley-Typ Neuronenmodells mit fünf internen Ströme (Leck, K +, Na +, Ca 2 + und SK) wird verwendet, um die beobachtete Brennerregungsmuster-Hemmung (EI) zu reproduzieren experimentell beobachteten 13. Zur Signalerfassung wird das EAG Signal verwendet als Eingangsstrom und Treffer detektiert, wenn ein Burst von Anregung durch Hemmung in der Feueraktivität verfolgt. <img alt="Fig. 4" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig4highres.jpg" width="500" /> &lt;<html> br /&gt; Abbildung 4. EAG Reaktionszeit. A) EAG Aufnahmen in Reaktion auf Impulse von 20 ms Pheromon (Dosis 1 ug und 10 ug) mit unterschiedlichen Geschwindigkeiten (1, 2, 4, 6, 8 und 10 Impulsen / s) geliefert wird. Die normalisierte EAG Leistungsspektrum für einen Reiz bei 1 und 10 Hz (Dosis 1 ug und 10 ug) gepulst gezeigt. Die EAG löst Einzelimpulse von bis zu 10 Hz beträgt. B) Aufnahmen von Gassensor TGS2620 in Reaktion auf Ethanol (schwankenden Konzentration). Die gestrichelten Kurven sind und Klar der Sensorantwort mit und ohne die Kappe auf. Der Sensor mit der Kappe hat eine Reaktionszeit von zehn Sekunden und kann nicht so folgt den Schwankungen der Gaskonzentration. Die TGS2620 ohne Kappe löst individuellen Schwankungen von bis zu 1 Hz. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig4highres.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.</a> immer &quot;&gt; <img alt="Figur 5" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig5highres.jpg" width="500" /> Abbildung 5. EAG Stabilität (ganze Insekten Vorbereitung vs geschnitten Antenne). Die EAG wurde jede Stunde während 8 h für die ganze Insekten Zubereitung (n = 12 Motten) alle 20 min während 3,2 h für exzidierten Antennen (n = 7 Antennen) aufgezeichnet. Die Abbildung zeigt die relative EAGs (in Prozent vom Ausgangswert zum Zeitpunkt t = 0) erhalten. Die Zeitabhängigkeit für die ausgeschnittenen Antennen ist gut durch einen exponentiellen Abfall mit einer Lebensdauer von 2 Stunden (Halbwertszeit von 1,5 h) ausgestattet. <img alt="Fig. 6" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig6highres.jpg" width="500" /> Abbildung 6. Robotic Experimenten. A) Der Anstieg Guss-Strategie kombiniert Luv Anstieg in derAnwesenheit der Geruch mit Spiral Gießen in seiner Abwesenheit 28. B) Typische EAG bei der Suche aufgenommen, während sich der Roboter bewegt (mit und ohne Geruch). C) Roboterbahnen mit Geruch (n = 44 Studien) und ohne Geruch (n = 26 Studien). Die rote gestrichelte Linie stellt die Wolke Kontur, wo 90% aller Erfassungen während der Versuche aufgetreten. Versuchsbedingungen: Suchraum = 4 mx 2,5 m, Robotergeschwindigkeit = 5,6 cm / sec, target = 10 ug Pheromon auf einem Papierfilter abgeschieden und ersetzt alle 2 Versuche, Roboter Anfangsposition = 2 m vom Ziel, Windgeschwindigkeit = 0,9 ± 0,2 m / sec am Zielort. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig6highres.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.</a>

Watch this Scientific Journal Video about Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches at JoVE.com

Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches

We describe a protocol for using insect antennae in the form of electroantennograms (EAGs) on autonomous robots. Our experimental design allows stable recordings within a day and resolves individual odor patches up to 10 Hz. The efficiency of EAG sensors for olfactory searches is demonstrated in driving a robot toward an odor source.

Mit Insekten Elektroantennogramm Sensoren auf Autonome Roboter für Riech Suchen

Robots designed to track chemical leaks in hazardous industrial facilities1 or explosive traces in landmine fields2 face the same problem as insects ...

using-insect-electroantennogram-sensors-on-autonomous-robots-for

Research

JoVE Journal

Neuroscience

22.9K Aufrufe.  Centre National de la Recherche Scientifique (CNRS). We describe a protocol for using insect antennae in the form of electroantennograms (EAGs) on autonomous robots. Our experimental design allows stable recordings within a day and resolves individual odor patches up to 10 Hz. The efficiency of EAG sensors for olfactory searches is demonstrated in driving a robot toward an odor source.

Serie: Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches

Electrophysiological Measurements from a Moth Olfactory System

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single sensillum recordings (SSR), which are summed responses from all odorant receptor neurons (ORNs) located on the antenna and from those housed in individual sensilla, respectively. These approaches have been exploited for getting a better understanding of insect chemical communication. The identified stimuli can then be used as either attractants or repellents in management strategies for insect pests.

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single sensillum recordings (SSR), which are summed responses from all odorant receptor neurons (ORNs) located on the antenna and from those housed in individual sensilla, respectively.

Elektrophysiologische Messungen von einer Moth Riechsystem

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single ...

Forschung

Neurowissenschaften

A Precise and Autonomous System for the Detection of Insect Emergence Patterns

Existing systems to measure insect emergence patterns have limitations; they are only partially automated and are limited in the maximum number of emerging insects they can detect. In order to obtain precise measurement of insect emergence, it is necessary for systems to be semi-automated and able to measure large numbers of emerging insects. We addressed these issues by designing and building a system that is automated and can measure emergence of up to 1200 insects. We modified the existing &#34;falling-ball&#34; system using Arduino microcontrollers to automate data collection and expand the sample size through multiple data channels. Multiple data channels enable the user to not only increase their sample size, but also allows for multiple treatments to be run simultaneously in a single experiment. Furthermore, we created an R script to automatically visualize the data as a bubble plot, while also calculating the median day and time of emergence. The current system was designed using 3D printing so the user can modify the system to be adjusted for different species of insects. The goal of this protocol is to investigate important questions in chronobiology and stress physiology, using this precise and automated system to measure insect emergence patterns.

Measurement of insect emergence patterns requires precision. Existing systems are only semi-automated and sample size is limited. We addressed these issues by designing a system using microcontrollers to precisely measure the time of emergence of large numbers of emerging insects.

Eine präzise und autonomen System zur Erkennung von Insekten entstehen Muster

Existing systems to measure insect emergence patterns have limitations; they are only partially automated and are limited in the maximum number of ...

Umwelt

Flying Insect Detection and Classification with Inexpensive Sensors

An inexpensive, noninvasive system that could accurately classify flying insects would have important implications for entomological research, and allow for the development of many useful applications in vector and pest control for both medical and agricultural entomology. Given this, the last sixty years have seen many research efforts devoted to this task. To date, however, none of this research has had a lasting impact. In this work, we show that pseudo-acoustic optical sensors can produce superior data; that additional features, both intrinsic and extrinsic to the insect&#8217;s flight behavior, can be exploited to improve insect classification; that a Bayesian classification approach allows to efficiently learn classification models that are very robust to over-fitting, and a general classification framework allows to easily incorporate arbitrary number of features. We demonstrate the findings with large-scale experiments that dwarf all previous works combined, as measured by the number of insects and the number of species considered.

We proposed a system that uses inexpensive, noninvasive pseudo-acoustic optical sensors to automatically and accurately detect, count, and classify flying insects based on their flying sound.

Fliegen-Insekt Erkennung und Klassifizierung mit preiswerten Sensoren

An inexpensive, noninvasive system that could accurately classify flying insects would have important implications for entomological research, and allow ...

Biotechnik

Multi-unit Recording Methods to Characterize Neural Activity in the Locust (Schistocerca Americana) Olfactory Circuits

Detection and interpretation of olfactory cues are critical for the survival of many organisms. Remarkably, species across phyla have strikingly similar olfactory systems suggesting that the biological approach to chemical sensing has been optimized over evolutionary time1. In the insect olfactory system, odorants are transduced by olfactory receptor neurons (ORN) in the antenna, which convert chemical stimuli into trains of action potentials. Sensory input from the ORNs is then relayed to the antennal lobe (AL; a structure analogous to the vertebrate olfactory bulb). In the AL, neural representations for odors take the form of spatiotemporal firing patterns distributed across ensembles of principal neurons (PNs; also referred to as projection neurons)2,3. The AL output is subsequently processed by Kenyon cells (KCs) in the downstream mushroom body (MB), a structure associated with olfactory memory and learning4,5. Here, we present electrophysiological recording techniques to monitor odor-evoked neural responses in these olfactory circuits.
First, we present a single sensillum recording method to study odor-evoked responses at the level of populations of ORNs6,7. We discuss the use of saline filled sharpened glass pipettes as electrodes to extracellularly monitor ORN responses. Next, we present a method to extracellularly monitor PN responses using a commercial 16-channel electrode3. A similar approach using a custom-made 8-channel twisted wire tetrode is demonstrated for Kenyon cell recordings8. We provide details of our experimental setup and present representative recording traces for each of these techniques.

Multi-unit Recording Methods to Characterize Neural Activity in the Locust Schistocerca Americana Olfactory Circuits

We demonstrate variations of the extracellular multi-unit recording technique to characterize odor-evoked responses in the first three stages of the invertebrate olfactory pathway. These techniques can easily be adapted to examine ensemble activity in other neural systems as well.

Multi-unit Recording Methoden zur neuronalen Aktivität in der Locust Charakterisieren (<em&gt; Schistocerca Americana</em&gt;) Olfaktorische Circuits

Detection and interpretation of olfactory cues are critical for the survival  of many organisms. Remarkably, species across phyla have strikingly similar ...

Electroantennography-based Bio-hybrid Odor-detecting Drone using Silkmoth Antennae for Odor Source Localization

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their applicability in environmental and security monitoring and search-and-rescue operations. Small drones with commercial metal-oxide-semiconductor (MOX) gas sensors have been developed for odor source localization; however, their real-time-odor-detection performance has proven inadequate. However, biosensing technologies based on insect olfactory systems exhibit relatively high sensitivity, selectivity, and real-time response with respect to odorant molecules compared to commercial MOX gas sensors. In such devices, excised insect antennae function as portable odorant biosensor elements and have been found to deliver excellent sensing performance. This study presents experimental protocols for odorant-molecule detection in the air using a small autonomous bio-hybrid drone based on a mountable electroantennography (EAG) device incorporating silkmoth antennae.
We developed a mountable EAG device including sensing/processing parts with a Wi-Fi module. The device was equipped with a simple sensor enclosure to enhance the sensor directivity. Thus, odor source localization was conducted using the spiral-surge algorithm, which does not assume an upwind direction. The experimental bio-hybrid odor-detecting drone identified real-time odorant-concentration differences in a pseudo-open environment (outside a wind tunnel) and localized the source. The developed drone and associated system can serve as an efficient odorant molecule-detection tool and a suitable flight platform for developing odor source localization algorithms owing to its high programmability.

This study introduces experimental protocols for a bio-hybrid odor-detecting drone based on silkmoth antennae. The operation of an experimental electroantennogram device with silkmoth antennae is presented, in addition to the structure of a bio-hybrid drone designed for odor source localization using the spiral-surge algorithm.

Elektroantennen-basierte Bio-Hybrid-Geruchserkennungsdrohne mit Seidenmottenantennen zur Lokalisierung von Geruchsquellen

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their ...

Ingenieurwesen

Using Single Sensillum Recording to Detect Olfactory Neuron Responses of Bed Bugs to Semiochemicals

The insect olfactory system plays an important role in detecting semiochemicals in the environment. In particular, the antennal sensilla which house single or multiple neurons inside, are considered to make the major contribution in responding to the chemical stimuli. By directly recording action potential in the olfactory sensillum after exposure to stimuli, single sensillum recording (SSR) technique provides a powerful approach for investigating the neural responses of insects to chemical stimuli. For the bed bug, which is a notorious human parasite, multiple types of olfactory sensillum have been characterized. In this study, we demonstrated neural responses of bed bug olfactory sensilla to two chemical stimuli and the dose-dependent responses to one of them using the SSR method. This approach enables researchers to conduct early screening for individual chemical stimuli on the bed bug olfactory sensilla, which would provide valuable information for the development of new bed bug attractants or repellents and benefits the bed bug control efforts.

Bed bugs rely on olfactory receptor neurons housed in their antennal olfactory sensilla to detect semiochemicals in the environment. Utilizing single sensillum recording, we demonstrate a method to evaluate bed bug response to semiochemicals and explore the coding process involved.

Verwenden von Einzel Sensillum Aufnahme auf Riech Neuron Antworten von Bed Bugs zu Semiochemicals Detect

The insect olfactory system plays an important role in detecting semiochemicals in the environment. In particular, the antennal sensilla which house ...

Insect-controlled Robot: A Mobile Robot Platform to Evaluate the Odor-tracking Capability of an Insect

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor sources is an essential task for organism survival. Insects are well-studied organisms with regard to odor tracking, and their behavioral strategies have been applied to mobile robots for evaluation. This "bottom-up" approach is a fundamental way to develop biomimetic robots; however, the biological analyses and the modeling of behavioral mechanisms are still ongoing. Therefore, it is still unknown how such a biological system actually works as the controller of a robotic platform. To answer this question, we have developed an insect-controlled robot in which a male adult silkmoth (Bombyx mori) drives a robot car in response to odor stimuli; this can be regarded as a prototype of a future insect-mimetic robot. In the cockpit of the robot, a tethered silkmoth walked on an air-supported ball and an optical sensor measured the ball rotations. These rotations were translated into the movement of the two-wheeled robot. The advantage of this "hybrid" approach is that experimenters can manipulate any parameter of the robot, which enables the evaluation of the odor-tracking capability of insects and provides useful suggestions for robotic odor-tracking. Furthermore, these manipulations are non-invasive ways to alter the sensory-motor relationship of a pilot insect and will be a useful technique for understanding adaptive behaviors.

The capability to localize an odor source is necessary for insect survival and is expected to be applicable to artificial odor-tracking. The insect-controlled robot is driven by an actual silkmoth and enables us to evaluate the odor-tracking capability of insects through a robotic platform.

Insekt gesteuerte Roboter: Ein mobiler Roboter-Plattform, die geruchs Tracking-Fähigkeit eines Insekts zur Bewertung

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor ...

Localization of Odorant Receptor Genes in Locust Antennae by RNA In Situ Hybridization

Insects have evolved sophisticated olfactory reception systems to sense exogenous chemical signals. These chemical signals are transduced by Olfactory Receptor Neurons (ORNs) housed in hair-like structures, called chemosensilla, of the antennae. On the ORNs&#39; membranes, Odorant Receptors (ORs) are believed to be involved in odor coding. Thus, being able to identify genes localized to the ORNs is necessary to recognize OR genes, and provides a fundamental basis for further functional in situ studies. The RNA expression levels of specific ORs in insect antennae are very low, and preserving insect tissue for histology is challenging. Thus, it is difficult to localize an OR to a specific type of sensilla using RNA in situ hybridization. In this paper, a detailed and highly effective RNA in situ hybridization protocol particularly for lowly expressed OR genes of insects, is introduced. In addition, a specific OR gene was identified by conducting double-color fluorescent in situ hybridization experiments using a co-expressing receptor gene, Orco, as a marker.

Localization of Odorant Receptor Genes in Locust Antennae by RNA In Situ Hybridization

This paper describes a detailed and highly effective RNA in situ hybridization protocol particularly for low-level expressed Odorant Receptor (OR) genes, as well as other genes, in insect antennae using digoxigenin (DIG)-labeled or biotin-labeled probes.

Lokalisierung von Odorant-Rezeptor-Genen in Locust-Antennen durch RNA<em&gt; In Situ</em&gt; Hybridisierung

Insects have evolved sophisticated olfactory reception systems to sense exogenous chemical signals. These chemical signals are transduced by Olfactory ...

SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware

Many scientifically and agriculturally important insects use antennae to detect the presence of volatile chemical compounds and extend their proboscis during feeding. The ability to rapidly obtain high-resolution measurements of natural antenna and proboscis movements and assess how they change in response to chemical, developmental, and genetic manipulations can aid the understanding of insect behavior. By extending our previous work on assessing aggregate insect swarm or animal group movements from natural and laboratory videos using the video analysis software SwarmSight, we developed a novel, free, and open-source software module, SwarmSight Appendage Tracking (SwarmSight.org) for frame-by-frame tracking of insect antenna and proboscis positions from conventional web camera videos using conventional computers. The software processes frames about 120 times faster than humans, performs at better than human accuracy, and, using 30 frames per second (fps) videos, can capture antennal dynamics up to 15 Hz. The software was used to track the antennal response of honey bees to two odors and found significant mean antennal retractions away from the odor source about 1 s after odor presentation. We observed antenna position density heat map cluster formation and cluster and mean angle dependence on odor concentration.

This protocol describes steps for using the novel software, SwarmSight, for frame-by-frame tracking of insect antenna and proboscis positions from conventional web camera videos using conventional computers. The free, open-source software processes frames about 120 times faster than humans and performs at better than human accuracy.

SwarmSight: Echtzeit-Tracking von Insekten Antenne Bewegungen und Rüssel Erweiterung Reflex mit einem gemeinsamen Vorbereitung und konventioneller Hardware

Many scientifically and agriculturally important insects use antennae to detect the presence of volatile chemical compounds and extend their proboscis ...

Electroantennographic Bioassay as a Screening Tool for Host Plant Volatiles

Plant volatiles play an important role in plant-insect interactions. Herbivorous insects use plant volatiles, known as kairomones, to locate their host plant.1,2 When a host plant is an important agronomic commodity feeding damage by insect pests can inflict serious economic losses to growers. Accordingly, kairomones can be used as attractants to lure or confuse these insects and, thus, offer an environmentally friendly alternative to pesticides for insect control.3 Unfortunately, plants can emit a vast number volatiles with varying compositions and ratios of emissions dependent upon the phenology of the commodity or the time of day. This makes identification of biologically active components or blends of volatile components an arduous process. To help identify the bioactive components of host plant volatile emissions we employ the laboratory-based screening bioassay electroantennography (EAG). EAG is an effective tool to evaluate and record electrophysiologically the olfactory responses of an insect via their antennal receptors. The EAG screening process can help reduce the number of volatiles tested to identify promising bioactive components. However, EAG bioassays only provide information about activation of receptors. It does not provide information about the type of insect behavior the compound elicits; which could be as an attractant, repellent or other type of behavioral response. Volatiles eliciting a significant response by EAG, relative to an appropriate positive control, are typically taken on to further testing of behavioral responses of the insect pest. The experimental design presented will detail the methodology employed to screen almond-based host plant volatiles4,5 by measurement of the electrophysiological antennal responses of an adult insect pest navel orangeworm (Amyelois transitella) to single components and simple blends of components via EAG bioassay. The method utilizes two excised antennae placed across a "fork" electrode holder. The protocol demonstrated here presents a rapid, high-throughput standardized method for screening volatiles. Each volatile is at a set, constant amount as to standardize the stimulus level and thus allow antennal responses to be indicative of the relative chemoreceptivity. The negative control helps eliminate the electrophysiological response to both residual solvent and mechanical force of the puff. The positive control (in this instance acetophenone) is a single compound that has elicited a consistent response from male and female navel orangeworm (NOW) moth. An additional semiochemical standard that provides consistent response and is used for bioassay studies with the male NOW moth is (Z,Z)-11,13-hexdecadienal, an aldehyde component from the female-produced sex pheromone.6-8

A method to rapidly screen host plant volatiles by measurement of the electrophysiological response of adult navel orangeworm (Amyelois transitella) antennae to single components and blends via electroantennographic analysis is demonstrated.

Elektroantennographischer Bioassay als Screening-Instrument für Wirtspflanzen Volatile

Plant volatiles play an important role in plant-insect interactions. Herbivorous insects use plant volatiles, known as kairomones, to locate their host ...

Mit Insekten Elektroantennogramm Sensoren auf Autonome Roboter für Riech Suchen

Zusammenfassung

Weitere Videos entdecken

Kapitel in diesem Video