Ce protocole permet l’automatisation du suivi de plusieurs animaux. Utilisation d’une étiquette simple pour identifier chaque animal un outil d’analyse d’identification pour détecter les balises. Ce protocole réduit considérablement le nombre d’heures nécessaires pour analyser les enregistrements vidéo à l’aide de données moins clés.
d’estimer les achèvements plus précis des études expérimentales. Les animaux dans d’autres environnements qui peuvent être étiquetés de la même manière peuvent être suivis avec des protocoles similaires fournissant une application en chronobiologie, écologie, recherche virale ou neurosciences. Nous avons fourni la conception matérielle et le langage de programmation open source et fournissons un modèle que nous recommandons aux utilisateurs d’adopter dans les protocoles pour apprendre le langage de programmation Python.
Pour construire une étiquette pour l’animal cible, coupez d’abord quatre cercles de 40 millimètres de diamètre à partir de la feuille de plastique noire, et deux triangles équilatéraux latéraux de 26 millimètres et deux cercles de 26 millimètres de diamètre à partir d’une feuille de PVC en plastique blanc. Marquez le centre d’un triangle blanc et d’un cercle blanc. Et faire un trou de 10 millimètres à chaque marque.
Collez ensuite une forme blanche au centre de chacun des quatre cercles noirs. Pour configurer la zone expérimentale, placez des LED infrarouges à temps foncé dans le réservoir. Gardez les lumières infrarouges allumées en tout temps.
Ensuite, placez les lumières LED bleues dans un réservoir en fibre de verre modifié contenant du sable et quatre terriers flexibles de tuyau en PVC, et connectez les lumières à un appareil pour gérer la période de photo. Lorsque toutes les lumières ont été placées, placez l’entrée d’eau de mer réfrigérée à un coin du réservoir, avec la prise correspondante au coin opposé. Vérifiez que l’entrée d’eau de mer est mise en place à un débit d’environ 4 litres par minute.
Entourez la chambre d’un rideau noir pour assurer un isolement complet de la lumière extérieure. Placez le trépied équipé de la caméra web sur le côté de l’arène expérimentale, avec la caméra à 130 centimètres au-dessus et au centre de l’arène expérimentale. Connectez la caméra à un ordinateur à l’extérieur du rideau, et ajustez les paramètres de l’enregistrement vidéo en fonction des caractéristiques de l’espèce, en vous assurant de créer une lampe à temps, y compris la date dans la vidéo time-lapse, pour la notation comportementale éventuelle.
Pour étiqueter les animaux, ajouter 7 degrés Celsius d’eau à une glacière avec compartiments submergés et placer 4 homards dans 4 compartiments séparés. Après avoir permis aux homards de s’acclimater pendant environ 30 minutes, transférer un homard sur un plateau de glace concassée pendant cinq minutes et utiliser du papier absorptif pour sécher la partie supérieure du céphalothorax du homard immobilisé. Déposer une goutte de colle à séchage rapide sur la carapace séchée et presser l’étiquette sur la colle pendant environ 20 secondes, jusqu’à ce que la colle durcisse.
Retournez ensuite le homard dans son compartiment dans la glacière et étiquetez les trois autres animaux de la même manière. Lorsque tous les homards ont été étiquetés, remettre les homards dans leur cellule pendant 24 heures. Le lendemain, utilisez la même glacière pour transférer les homards de l’installation d’aclimation à la chambre expérimentale et lancer l’enregistrement vidéo.
Exécutez les étapes de marquage et de transfert dans les conditions de lumière rouge pour éviter les dommages radiaux au homard pour les récepteurs. D’autres espèces aquatiques ou terrestres peuvent ne pas avoir besoin de ces soins. Obtenez ensuite une image de fond moyenne à partir de cinq minutes de vidéo ou des 100 images initiales avant d’introduire les animaux un par un dans le réservoir d’expérimentation à l’intérieur de leurs compartiments d’eau respectifs, et attendez que les homards sortent de leurs compartiments.
Sur le nombre total d’animaux comptés dans cette expérience représentative, 79 p. 100 des détections d’animaux ont été correctement appariées par le programme, et 89,5 p. 100 des étiquettes ont été correctement identifiées. Seulement 3,8 p. 100 des étiquettes étaient mal classées. Mais les 6,6 pour cent restants correspondant à de faux positifs.
Après l’achèvement d’une analyse vidéo spécifique, les données sur les positions obtenues peuvent être utilisées pour évaluer les différents modèles comportementaux des homards. Par exemple, le tracé de la carte d’occupation spatiale, à l’aide d’une estimation bidimensionnelle de la densité du kernal avec un axe aligné par un kernal normal variable évalué sur une grille carrée, permet aux zones dans lesquelles les homards passent un pourcentage plus élevé de leur temps à être représentés avec des parcelles de haute intensité de couleur. Les rythmes d’activité quotidiens des homards peuvent également être tracés sous forme de millimètres couverts à intervalles de dix minutes au fil du temps.
Il est important de maintenir des spécifications exactes en termes de taille et de forme et d’exécuter toujours l’étape d’analyse binned en arrière-plan sans interface utilisateur. Le modèle d’analyse d’image peut être élargi pour examiner des composants spécifiques des crustacés pour aider à améliorer l’étude comportementale en termes d’interactions animales. Ces interactions sociales animales complexes se produisent de la même manière dans un environnement réel permettant le style et les aspects importants de la recherche biologique avec une certaine application pour l’écologie et les neurosciences.
