The experiments were supported by a grant from the Natural Sciences and Engineering Research Council of Canada to CMSP. We thank Koppert Canada for their bumblebee colony donations. Portions of this manuscript, including some figures and tables have been published in Naturwissenschaften11, and reproduced here with permission from Springer.

Ottawa Üniversitesi Hayvan Bakım Kurulu arılar ile çalışan personel için güvenlik prosedürleri delineates deneysel protokolü onayladı. 1. Test Ortamı Hazırlama <ol><li> 2 mx 2 mx 2 m bir boşluk (izole odası, veya metal ekran kaplı uçuş kafesini) hazırlayın. NOT: oda test alanı olarak seçilirse, arılar pencerelerden kaçamaz sağlamak, kapı altında boşluk ve hava değişimi kanalları. </li><li> Arılar girip engel olmadan test alanı çıkabilirsiniz uçuş kafesine küçük giriş noktaları (örneğin, yakl. 2 cm çapında delikler) ekleyin. Bakım ve donanım yapılandırma için ayrılan dönemlerinde test alanının dışına arılar tutmak erişim noktalarını engellemek için bir mekanizma tasarlayın. NOT: Bombus Cresson işçi impatiens kullanılır. </li><li> Bir konektörü kullanarak test-boşluk bir ya da iki koloni kutuları bağlayın. Ölü arı blo edemez emin olunkonnektörünü ck. NOT: Bir cam üst kapak ile bir ahşap &quot;köprü&quot; yapısı, ve bir tel örgü tüp: Burada, yapıları bağlayan iki tür kullanılır. Bunlar kolay temizlenebilir ve onlar arılar için çekiş sağlar. </li><li> Test-alanı içinde iki yapay çiçek tutucu yerleştirin. <ol><li> Test-uzay merkezinde çiçek sahipleri yerleştirin veya duvara ekleyebilirsiniz. </li><li> Maskeleme bandı kullanarak yapay çiçek silindir kısmının üstüne bir &quot;2k6 kafa&quot; RFID okuyucu bağlayın (konumlandırma için bakınız Şekil 1). Yapay çiçek takmak için hangi bir 1.2 m boyunda ahşap stand kullanın. NOT: Standın üst yapay çiçekler bağlanabilen bir bağlanma mekanizmasının özelliği olmalıdır. Şematik bir çizim için Bkz: Şekil 2 </li></ol></li><li> Yüksek frekanslı (min. 200 Hz) ekleyin floresan ışık fikstür yeterince test-boşluk ışık. Bu lig sağlamak için yüksek frekanslı elektronik balast kullanınht titreşimsiz bombus arılarının &#39;görsel titreşimsiz füzyon eşiğinin 6 üzerindedir. NOT: Burada, 2 x 2 x 2 m lik bir alan için yaklaşık 1,200 Lux ışık yoğunluğunu üretmek 12 gün ışığı floresan ampuller kullanın. </li></ol><img alt="Şekil 1," src="/files/ftp_upload/52033/52033fig1highres.jpg" /> Şekil 1. RFID Yapay Çiçek Tasarım. Deney 1. RFID okuyucu kullanılan RFID özellikli yapay çiçek şeması çiçeğin merkezi aracılığıyla açık silindirin üstüne dinlenmiş. Uyaranlar desenleri ve pozisyonları: a. periferal-konsantrik b. Merkez-konsantrik, c. periferal-radyal d. Merkez-radyal. Bu rakam Orban ve diğerleri. 11 modifiye edilmiştir. <img alt="Şekil 2," src="/files/ftp_upload/52033/52033fig2highres.jpg" /> <strong&gt; Şekil 2. Uyaran Display Stand. yapay çiçek uyaran stand tasarımı ve eki klibi gösteren bir şematik çizim. Klips yapay çiçek yapıştırılmış ve hızlı bir şekilde ve uyaran tribünden uyaranlara takmak ve çıkarmak için kullanılır. Bu yapılandırma harekete duyarlı bir video deneyde kullanıldı. <a href="https://www.jove.com/files/ftp_upload/52033/52033fig2highres.jpg" target="_blank">Bu rakamın büyük bir versiyonunu görmek için lütfen buraya tıklayınız.</a> 2. Bumblebee Colony Hazırlık <ol><li> Ticari sipariş kolonilerin Girişte, uçuş kafese koloni kutusuna bağlayın. </li><li> Test seans başlangıcına kadar: (hacimce 1: 1) ad libitum (çeşitli bitkilerin bal arıları tarafından toplanan) polen ve şeker-su sağlamak. <ol><li> 1 L su kaynatılır ve şeker su solüsyonu oluşturmak için şeker aynı hacimde karıştırın. </li><li> Bir apiarist veya com polen satınBombus arısı koloni mercial tedarikçisi. Bir havanda polen eziyet ve nemli bir hamur haline getirerek bal ve (gerektiğinde) suyla karıştırın. </li></ol></li><li> Deney başladıktan sonra, günlük şeker su 15-40 ml (koloni büyüklüğü ile orantılı miktarı) sağlar. Polen libitumdan sunmaya devam ediyoruz. Bal tencere depolama seviyelerine göre şeker-su miktarını ayarlayın. NOT: tutulması gıda depolama seviyesi düşük çalışanlar daha fazla yiyecek aramak için yuva bırakmak için bir teşvik sağlar. </li><li> Adım 1.3 açıklandığı gibi arılar, bağlayıcı yapı üzerinden test ortamına girmek için izin verir. NOT: Arılar yuva ve deney boyunca test ortamı arasında serbestçe hareket. </li></ol> Radyo frekans Kimlik tarafından Gözlem 3. Hazırlık <ol><li> Koloni geldiğinde en kısa sürede işçilerin toraks RFID etiketleri yapıştırma başlatın ve yeni iş olarak, deney boyunca devamErs ortaya çıkar. </li><li> Yapıştırma Tekniği <ol><li> İlk etiketleme sırasında ayrı kaplarda tüm çalışanları yerleştirin. Buzdolabında (yaklaşık 7 ° C) yaklaşık 1 saat boyunca serin işçiler onları aşağı yavaşlatmak için. NOT: etiketleme önceden işçileri Soğuma agresif koloniler daha yönetilebilir hale yardımcı olur. Bu sokmalarında şansını en aza indirir. </li><li> (Etiketi sağlayıcısı tarafından sağlanan) etiketleme aparatı ve toksik olmayan yapıştırıcı kullanarak, işçinin toraks RFID etiket eklemek. (Onlar uçabilen önce) onlar toy aşamasında ise hala işçilere Tutkal RFID etiketleri onlar ortaya gibi. </li><li> Işçi tarafından silinemez RFID etiketi sağlamak için koloni geri işçiyi yerleştirmeden önce 10 dakika az bekleyin. </li></ol></li><li> (Yapışkan kalıntısı veya toraks üzerinde kel tarafından görüldüğü gibi) RFID etiketlerini kaybetti onların toy aşamasında etiketlendi değildi işçiler, ya da işçi atmayın. NOT: Bu arılar vardı deneyime outsid olabilirkoloniyi e. </li><li> RFID Reader yazılımı <ol><li> RFID okuyucu yazılımı yapılandırmak için bir kişisel bilgisayar (PC) kullanın. Yyyy-aa-gg ss işletim sisteminin tarih biçimini değiştirmek: dd: ss indirilen RFID verileri doğru kodlanmış sağlamak için. Virgülle Ayrılmış Değerler (CSV) olarak RFID okuyucu verilerinin gönderilmesine izin C ++ programlama dili kullanılarak RFID okuyucuları ile birlikte programı ayarlayın. </li><li> RS-232 USB konektörü kullanarak bilgisayara RFID okuyucu bağlayın. Okuyucu depolama kapasitesini (fazla 32.000 kayıtları) ulaşmadan önce, periyodik RFID okuyucu verileri indirmek. Tarihi, saati ve her etiketle ilişkili bir on üç karakter benzersiz dizeyi kaydetmek için RFID okuyucuları kullanın. Bir ilişkisel veritabanı yönetim sistemi (RDBMS) içine indirilen CSV dosyasını içe aktarın. </li></ol></li></ol> RFID Okuyucular 4. Yapay Çiçek Hazırlık <ol><li> Yerel el sanatları mağaza, mavi ve sarı fırında kil satın alın. </li><li> BL oluşturunvi 1.5 cm&#39;lik bir çapa sahip olan iç silindir ve tarafında 1.5 cm x 3 cm delik açın. Not: silindirin yan tarafındaki bir delik RFID okuyucu için hazne olarak hizmet edecektir. </li><li> Bir ucunda 8 cm, ve diğer uçta 1.5 sm bir çapı olan bir mavi bir koni oluşturur. </li><li> Silindir ve koni Birleştirme. </li><li> Sarı kil 20 cm uzunluğunda ve 0.5 cm genişliğinde strand oluşturun. </li><li> Boyutuna sarı ipliği kesin ve mavi koni ve silindir içine çalışır. NOT: Radyal şekiller 5 cm uzunluğunda düz çizgiler gerektirir, ve eş şekiller 4-8 cm uzunluğunda dairesel çizgiler gerektirir. </li><li> Tamamen sertleştirilmiş kadar 130 ° F kil pişirin. </li></ol> Hareket duyarlı Video Kayıt tarafından Gözlem 5. Hazırlık <ol><li> Kısa sürede koloni geldiğinde işçi arıların toraks renkli plastik sayı etiketleri yapıştırma başlatın ve yeni işçiler ortaya olarak deney boyunca devam ediyor. </li><li> İlk Taggi sırasında tüm işçilerin kaldıroturumu ng her bireyin bir sayı etiketi almasını sağlamak için. Koloniye geri hemen etiketleme sonra yer işçiler. NOT: RFID etiketleri aksine, sayı etiketleri işçiler kaldırmak için daha zordur. </li><li> Yeni işçiler ortaya çıktıkça onlar hala torunundan ise, onları etiketlemek. Frekansını Etiketleme 2-3 günde yaklaşık 7-10 işçilere koloni döngüsünün devlet ile değişir, ama ortalama. Artık çiçek görmemiş olabilir, çünkü onların toy aşamasında etiketlendi değil işçilerin atmayın. </li><li> Mevcut etiketi numaraları daha fazla işçi etiketleme için sistem NOT: deney aylık bir süre için devam eder ve birden fazla koloniler yer alıyorsa, mevcut etiket numaraları tükendi iyi bir şans var. 693 aynı anda etiketli işçilere kadar izin her 1-99 numaralı yaklaşık 7 ayırt etiketi renkler vardır. Üzerinde de 693 toplam işçi, ama asla aynı anda canlı olacak 3-4 kolonileri kullanılarak 3 ay boyunca çalışan bir deney. &lt;ol&gt; <li> Özellikle aşağıdaki numaraları için, sayılar etiketleri sistematik konumlandırılmış (örneğin, etiket sayısının üst tarafı her zaman arının kafa ile hizalanmış) emin olun: 6, 9, 66, 69, 99. </li><li> Ölü işçi kaldırmak, ve &quot;özgür&quot; olarak etiket numarasını kaydedin. &quot;Müsait&quot; etiketi numaraları ve renkleri bir veritabanını korumak veya &quot;kullanımda&quot; benzersiz bir etiketi aynı anda birden arılar üzerinde kullanılmadığından emin olmak için. NOT: Ek etiket kombinasyonları renkler zaten varolan renkler ekleyerek üretilebilir. Örneğin, bir şarpi kalem ile mavi etikete sarı bir nokta ekleyerek yeni kombinasyonlar yaratabilirsiniz. </li></ol></li><li> Video Veri İşleme <ol><li> Test ortamı dışında (bkz Şekil 3), her çiçek ekranın önünde iki internet protokolü (IP) kameralar (en az 1 mp resim çözünürlüğü) yerleştirin. <img alt="Şekil 3," src="/files/ftp_upload/52033/52033fig3highres.jpg" /> <strong&gt; Şekil 3. Test Ortamı. planda iki frontal kameralar gösteren test ortamının bir fotoğraf, ışık armatürleri ve uyaranlara arasında tavan kamera odanın ortasında örnek uyaranlara ile duruyor. NOT: IP kameralar ve yapay çiçekler arasında bir cam bölme yapay çiçekler açıkça görülebilir olmasını sağlar. IP kameralar uzak uyaranlara 5 m&#39;ye kadar olabilir. <a href="https://www.jove.com/files/ftp_upload/52033/52033fig3highres.jpg" target="_blank">Bu rakamın büyük bir versiyonunu görmek için lütfen buraya tıklayınız.</a> </li><li> 1.8 mm vari-focal lensler ile stok lensler değiştirin. Bu lensler yeterli zoom izin ve yapay çiçekler odaklanmak. </li><li> Yapay çiçeklerle önünde bir alan 1-2 m odaklanarak, doğrudan yapay çiçek üzerinde ek bir IP kamera yerleştirin. Bu kamera gezinip ve antennation davranışları yakalar. </li><li> IP kameralar bağlayın<html> ikincil bir ağ arabirim denetleyicisi (NIC), ve bir Ethernet hub üzerinden PC&#39;ye. </li><li> Dinamik IP kameralar IP adreslerini dağıtmak için PC&#39;nin dinamik ana bilgisayar yapılandırma protokolü (DHCP) yapılandırın. </li><li> PC&#39;de bir dosya transfer protokolü (FTP) sunucusu yapılandırın. </li><li> Otomatik olarak PC üzerinde video klipleri yatırmak için bir FTP istemcisi süreci yapılandırmak. </li><li> Her zaman hareket algılandığında bir 10 saniye video klip kaydetmek için IP kamerayı yapılandırın. </li></ol></li><li> Video Klip Analizi <ol><li> Bir video klibi açın ve seçtiğiniz bir video görüntüleyici kullanarak içindekilerin çerçevesini kare görüntüleyin. </li><li> Bir arı plastik etiket numarası, tarih ve bir elektronik tablo veya bir RDBMS kayıt zamanını kaydedin. Burada, bir arı bacakları yapay çiçek ile temas gibi bir iniş tanımlar. NOT: (başka arı uyarıcı mevcut iken iniş) sosyal etkilenmektedir seçimler atın. </li></ol></li></ol>video Gözlem için e &quot;&gt; 6. Yapay Çiçek Hazırlık <ol><li> Bir grafik düzenleme yazılımı kullanarak görsel özelliklerini tasarlayın. NOT: baskılı desen kesmek ve bir koni içine katlanmış olabilir emin olun. 8 cm bir çapa sahip bir koni ile sonuçlanır kesme şeklini meydana getirmek üzere, geometrik işlemler kullanın. </li><li> Baskı, kesme, ve bir koni içine görsel özelliği katlayın. </li><li> Tutkal eki klipler (Şekil 2) uyaran için. </li></ol> 7. İstatistiksel Analiz <ol><li> Her iki deneyde de, her arı için bir seçim oranını hesaplamak (örneğin, belirli bir arı y toplam dışında bir çiçek x seçimler yapılmış). </li><li> Fit Test 7 çoğaltılmış İyilik ile bu oranlara analiz. NOT: Çoğaltılmış G-Testi genel önemini gösterir çoğaltır değişkenliği (yani, her arı) miktarını gösteren bir heterojenite değeri (G h) ve bir havuza değeri (G p) hesaplarTüm seçim oranlar. G değerleri, anlamlılık testleri 2 değerleri χ karşılaştırılır. </li></ol> 8. Uyaran Sunum Sırası <ol><li> Test alanı içinde çiçek stantlara yapay çiçek takın. Konumu etkilerini önlemek için (günlük, örneğin) düzenli zaman aralıklarıyla kombinasyonu ve görüntülenen uyaranların yerini değiştirin. </li></ol> 9. Çalışma Fesih <ol><li> 3 gün arı öldürmek için -10 ° C&#39;de derin dondurucuda koloniler yerleştirin. </li></ol>

<ol>
	<li>Plowright, C. M. S., Evans, S. A., Leung, J. C., Collin, C. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+preference+for+symmetry+in+flower-na&#239;ve+and+not-so-na&#239;ve+bumblebees.">The preference for symmetry in flower-na&#239;ve and not-so-na&#239;ve bumblebees.</a> Learn. Motiv. 42 (1), 76-83 (2011).</li><li>Streit, S., Bock, F., Pirk, C. W. W., Tautz, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+life-long+monitoring+of+individual+insect+behaviour+now+possible.">Automatic life-long monitoring of individual insect behaviour now possible.</a> Zool. 106, 169-171 (2003).</li><li>Chittka, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+human+are+insects,+and+does+it+matter.">How human are insects, and does it matter.</a> Formosan Entomol. 31, 85-99 (2011).</li><li>Lihoreau, 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=Radar+tracking+and+motion-sensitive+cameras+on+flowers+reveal+the+development+of+pollinator+multi-destination+routes+over+large+spatial+scales.">Radar tracking and motion-sensitive cameras on flowers reveal the development of pollinator multi-destination routes over large spatial scales.</a> PLoS Biol. 10 (9), e1001392 (2012).</li><li>Brodbeck, D. R., Shettleworth, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Matching+location+and+color+of+a+compound+stimulus:+Comparison+of+a+food-storing+and+a+nonstoring+bird+species.">Matching location and color of a compound stimulus: Comparison of a food-storing and a nonstoring bird species.</a> J. Exp. Psychol. Anim. Behav. 21 (1), 64-77 (1995).</li><li>Srinivasan, M., Lehrer, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Temporal+resolution+of+colour+vision+in+the+honeybee.">Temporal resolution of colour vision in the honeybee.</a> J. Comp. Physiol. A. 157 (5), 579-586 (1985).</li><li>Sokal, R. R., Rohlf, F. J., Freeman, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2011).</li><li>Lunau, K., Fieselmann, G., Heuschen, B., van de Loo, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+targeting+of+components+of+floral+colour+patterns+in+flower-na&#239;ve+bumblebees+(Bombus+terrestris;+Apidae).+.">Visual targeting of components of floral colour patterns in flower-na&#239;ve bumblebees (Bombus terrestris; Apidae). .</a> Naturwissenschaften. 93 (7), 325-328 (2006).</li><li>Lehrer, M., Horridge, G. A., Zhang, S. W., Gadagkar, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shape+vision+in+bees:+Innate+preference+for+flower-like+patterns.">Shape vision in bees: Innate preference for flower-like patterns.</a> Phil. Trans. R. Soc. B. 347 (1320), 123-137 (1995).</li><li>Thompson, E. L., Plowright, C. M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+images+may+or+may+not+represent+flowers:+picture-object+correspondence+in+bumblebees+(Bombus+impatiens).">How images may or may not represent flowers: picture-object correspondence in bumblebees (Bombus impatiens).</a> Anim. Cognit. , (2014).</li><li>Orb&#225;n, L. L., Plowright, C. M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+effect+of+flower-like+and+non-flower-like+visual+properties+on+choice+of+unrewarding+patterns+by+bumblebees.">The effect of flower-like and non-flower-like visual properties on choice of unrewarding patterns by bumblebees.</a> Naturwissenschaften. 100 (7), 621-631 (2013).</li><li>Leonard, A. S., Papaj, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=X&#8221;+marks+the+spot:+The+possible+benefits+of+nectar+guides+to+bees+and+plants.">X&#8221; marks the spot: The possible benefits of nectar guides to bees and plants.</a> Funct. Ecol. 25 (6), 1293-1301 (2011).</li></ol>

The authors have no competing financial interests.

RFID teknolojisi kolaylığı ve yüksek hassasiyet ile bireysel işçilerin okuyan yüzlerce sağlar, ancak kaydedilen davranış özellikleri, insan ve video kayıtları ile gözlemlerden farklıdır. RFID tarafından kaydedilen seçim davranış çiçek keşif olarak tarif edilebilir. Bu tür bir desen 11,12 üzerinde yaklaşım 8, bir labirent-kol 9,10 girdiği, antennal reaksiyon 8 veya iniş gibi diğer çalışmalarda kullanılan kriterlere göre tercih çok sıkı bir kriterdir. Amacıyla seçim davranış tanımlarının geçerliliğini karşılaştırmak ve karşılıksız davranış için yeni RFID yöntemini onaylamak için, iniş video kayıtları Deney 2. gözlendi tüm seçim tedbirler eşit değildir: RFID kriter çiçek girişi ile ölçülen belirtti video veri deseni Çeşidi görsel özelliği arı seçimi için daha önemli olduğunu ifade ederken desen konumlandırma görsel özelliği, arı seçim daha önemlidir. Bilgisiz seçim davranışlarını inceleyerek genel zorluklardan biri herhangi polen veya nektar sunmuyoruz yapay çiçekler çiçek naif, eğitimsiz arıları çekmek çok zor olmasıdır. Nitekim, önceki deneylerde birçok test uyaranlara de seçim davranışı alakasız olduğu düşünülen uyaranlara test ortamında arılar eğitim başvurdu. RFID ve harekete duyarlı video kayıtları araştırmacı sürekli gözetimi olmadan, ve birkaç yüz arılar için 15-20 arılardan örnek boyutunu artırarak, sürekli kayıt, 24 saat bir gün izin vererek bu engeli aşmak. Eğitimsiz arılar tarafından karşılıksız seçimler nadir bir olay devam ederken, bu yeni deneysel tasarım parametreleri gözlem mümkün kılar. Bu iki tekniğin tarafından sunulan diğer gelişmeler bireysel farklılıkları örnek önyargı ortadan kaldırılması, dış geçerlilik iyileştirme ve izleme içerir. SamplSadece bir kolonide bir düzine kadar arı okuyan zaman e önyargı sokulabilir. Hatta sadece bu işçiler, belirli bir zamanda araştırmacı ile &quot;işbirliği&quot; ne gözlenmektedir çünkü muhtemelen cevapsız aynı koloni içinde bireysel işçiler arasında davranışsal huyların önemli farklılıklar vardır. 300 veya daha fazla arı kolonisi 15-20 arılar okuyan, durum örneklemesi önyargı önemli olabilir hangi toplam koloni itibariyle az 5% temsil eder. Etiketleme ve tüm işçilerin davranışlarını gözlemleyerek tamamen bu sorunu ortadan kaldırır. Eşzamanlı uyaranlar seçenek sayısı da manipüle edilebilir. Biz teknik nedenlerden dolayı bizim deneyde ikili seçenek sundu, ama tek seçenek veya birkaç seçim tasarımları da mümkün bulunmaktadır. Dış geçerlilik açısından bir laboratuar ortamında arıların okuyan geleneksel sonuçlarının genelleştirilebilirliğini engellemiştir, hangi derece yapay olmuştur. Örneğin, araştırmacılar pr olmak zorundaveri toplama için ESENT, arılar tarafından bir test ortamında bir de yem vardı, ve test küçük bir zaman penceresi ile sınırlandırılmıştır. Bu yazıda anlatılan yeni teknikler gözlem denetimsiz ve sınırsız yaparak bu yapay sınırlamaları kaldırmak. Bu bir tek arı tarafından veya birkaç arı tarafından seçimler tekrarlandı olmadığını belirleyebilir, çünkü nihayet, davranış bireysel farklılıklar tespit edilebilir. Hareket karşı duyarlı, yüksek uzamsal çözünürlük kameraları uyaranların tasarımların esneklik açısından RFID tekniklere göre kenar: a uyaran görsel görünümü hemen hemen herhangi bir şekilde olabilir veya hastanın kimlik, en az bir ilgili yakalanabilir sürece oluşturabilir birkaç kare. Video işleme biraz daha zaman alıcıdır tanımlama her video klibin elle muayene gerektirir araştırmacı tarafından okunan gerektiğinden RFID veri işleme daha. Görsel uyaran tasarım Ar kısıtlamaları karşılamak durumundaFID okuyucu (yani, arı RFID etiketleri RFID okuyucu en az 3-4 mm gelmelidir), sonra RFID teknolojisi, otomatik, büyük ölçekli veri toplama üzerinde kenarı vardır. Nitel araştırma büyük olasılıkla video analizi tarafından tercih edilmeye devam ediyorum. Bu deneyde de görüldüğü gibi, RFID okuyucular hiçbir manuel kodlama gerektirir, çok büyük veri setlerini biriktirmek olabilir. Her tekniği ile ilgili biraz farklı avantajları gelecekte tamamlayıcı bir şekilde kullanılabileceğini düşündürmektedir. Her iki teknolojilerinin geleceği seyrek görülen davranışların kesin miktarının yalan olabilir. Örneğin, gelecekteki uygulamalar için bir ayrı bir olasılık seralarda ve diğer daha natüralist ortamlarda bu teknikler istihdam etmektir. Natüralizm ve deneysel kontrolü kombinasyonu önce cevap vermek mümkün değildi sorularını ele sağlayacaktır. Kabaca, bu tekniklerin titiz a davranışını gözlemleyerek iki yeni yollar sunuyornd verimli şekilde. RFID ve harekete duyarlı bir video sadece polen veya böcekleri çalışan araştırmacılar için önemli bir adımdır, ancak bu teknikler diğer davranış bilimciler itiraz edebilir.

Bombus ve bal arıları tarafından bilgisiz seçim davranışlarını inceleyerek kilit bir problem çiçek görmemiş, eğitimsiz işçiler kolaylıkla tercihleri ​​ölçülebilir test boşluk kalmamasıdır. Öncesi eğitim çalışanları araştırmacılar deneysel uyaranlara farklı olarak gördükleri görünüşte nötr uyarıcılara karşı test alanı içinde beslemek için: bir sonucu olarak, pek çok araştırmacı bir daha ideal bir tekniği güveniyor. Ancak, son deneyler düşünülen uyaranlar nötr (bir test oturumda sonraki seçim davranışını etkilemek değil yani, uyaranlara) olmak olduğunu göstermiştir beklenmedik şekillerde 1 tercihleri ​​etkiledi. Radyo Frekansı ile Tanımlama (RFID) 2 ve harekete duyarlı video kayıtları dahil olmak üzere otomatik sistemler bir fırsat bu sorunu çözmek sunabilir. Çalışmanın amacı iki yönlüdür: (1) öncelikle, bombus arıları tarafından bilgisiz çiçek tercihlerinize literatüre katkıda (2) ve sekonder eVİki farklı otomatik kayıt cihazları tarafından kaydedilen, iki seçim ölçüm sistemlerini aluate. 3 Bu çalışmada uygulanmıştır iki otomatik sistemler bilgisiz seçim davranışlarını gözlemlemek için: RFID ve harekete duyarlı video kayıtları. Her iki sistemin iki önemli unsurları seçenekler ödüllendirilir değildir, ve farklı görsel ipuçlarının ekran manipüle edilebilir olmasıdır. (1 mp çözünürlükte kayıt, yüksek çözünürlüklü,) Hareket duyarlı bir video değil, sadece bir uçuş odasında özgürce keşfetmek işçilerin sürekli gözlem sağlar, ama nispeten nadir olayların 4 verimli gözlem için önemlidir. Deney 1 araştırma sorusu birlikte görüntülenen zaman görsel özellikleri nasıl etkileşimde farklı ilgilidir. Bu çalışma, desen tipine göre desen konumlandırma göreli önemini keşfetmek istiyor. (Yani, güneş ışını) ve eş, radyal 2 x 2 tasarımı kullanarak (yani, boğa eye) desen türleri yapay çiçek (uyaranlara örnekler için bakınız Şekil 1) üzerinde ya merkezi ya da çevresel yerleştirilir. RFID okuyucular bu özel olarak tasarlanmış yapay çiçek uyaranlara yerleşiktir ve bombus arıları bize yapay çiçek uyarıcı girer etiketlenen her işçi kaydetmek için izin RFID özellikli etiketleri alırsınız. RFID gözlem pasif etiketler varlığı ile modüle edilmiş radyo frekanslarında sinyaller (bu durumda 13.56 MHz) gönderme (yapay çiçek yerleşik) okuyucu mekanizma ile çalışır. Okuyucu algılamak ve etiket benzersiz bir kimlik sağlayan etiketleri arasında biraz farklılık bu sinyal modülasyonu kaydedebilirsiniz. Deney 2 soru üç kat vardır. Video kayıtları eşdeğer seçim kriterleri ile ölçülen, RFID ve iniş ile ölçülen Birincisi, çiçek-girdisi vardır? Seçim farklı önlemler çevirmek olabilir farklı noktalarında (video için iniş ve RFID için çiçek girişi), ölçülürtercih. İkincisi, periferik konumlandırma vs santral etkisi nedir? Bu, (bakınız Şekil 4B) farklı konumlarda iki radyal desen oluşan bir kombinasyonu sunulmuştur eğer işçi merkezi bir model tercih ediyorum olup olmadığı bilinmemektedir. Üçüncü olarak, desen türü vs desen pozisyon göreli önemi nedir? Diğer bir deyişle, yabanarıları tercih edilen bir model tipi ya da tercih edilen bir model pozisyonu kalıpları inecek? Arılar bir periferal-eş desen merkezi-radyal tercih olabilir, ancak tercih desen türü veya merkezi konumlandırma nedeniyle olabilir. Bu deneyde, iki parametre birbirinden 5 (Şekil 4c, d), karşı karşıya edildi. Deney 2, biz çiçek gibi uyaranlara Harekete duyarlı video kayıtları kullanılmıştır. Güverteli bu çiçekler yapay çiçekler bir uçuş kafesin içine yerleştirildi ve harekete duyarlı, yüksek çözünürlüklü kameralar işaret edildit ve üst. Test alanının iki uyaranların her birinin bir ön görünümü yakalamak üzere Daha özel olarak ise, iki kamera yerleştirildi. Ek kamera yukarıdan davranış gezinip kaydetmek için uyaranlar arasında konumlandırılmış, ve yapay çiçekler hem davranışı yakalandı. Bombus arıları, yüksek çözünürlüklü video klipleri okunabilir sayısı etiketlerini kullanarak belirlendi. Gezinip, antennation ve iniş davranışları izlendi.

<table><tbody><tr><td>Miniaturized mic3 tags</td><td>Microsensys</td><td>mic3 TAG 64 bit RO</td><td>RFID tags to glue to bee</td></tr><tr><td>RFID reader 2k6 head</td><td>Microsensys</td><td>2k6</td><td>RFID readers built into artificial flowers</td></tr><tr><td>IP camcorders</td><td>Vivotek</td><td>IP8161</td><td>Motion-sensitive video recorders</td></tr><tr><td>Opalith Plattchen number tags and non-toxic glue</td><td>Beeworks.com</td><td>n/a</td><td>Number tags to glue to bees</td></tr><tr><td>Bumblebee Colony for Research</td><td>Koppert Canada</td><td></td><td></td></tr><tr><td>Artificial flowers</td><td>N/A</td><td></td><td>Developed by campus biology shop</td></tr><tr><td>Artificial flower stand</td><td>N/A</td><td></td><td>Developed by campus biology shop</td></tr><tr><td>Flight room</td><td>N/A</td><td></td><td>Developed by campus biology shop</td></tr><tr><td>Laptop with Windows</td><td>Generic hardware / Microsoft software</td><td></td><td>Used to download RFID data</td></tr><tr><td>RS 232 to USB converter</td><td>Generic</td><td></td><td>Connect RFID reader to computer</td></tr><tr><td>Desktop</td><td>IBM</td><td></td><td>Used to transmit video data</td></tr><tr><td>Second NIC</td><td>Generic</td><td>10/100M NIC PCI</td><td>Used to transmit video data</td></tr><tr><td>Network hub</td><td>Generic</td><td>4-port</td><td>Used to transmit video data</td></tr><tr><td>High precision tweezer</td><td>SPI</td><td></td><td>Used to glue number and RFID tags to bees</td></tr><tr><td>Sugar</td><td>Generic</td><td></td><td>Used to mix with water to create sugar-water</td></tr><tr><td>Pollen</td><td>Any local apiarist</td><td></td><td>Fed to bumblebees</td></tr><tr><td>Marking cage with plunger</td><td>Beeworks.com</td><td></td><td>Aids tagging process</td></tr><tr><td>Honey</td><td>Generic</td><td></td><td>Used to mix with water ot create pollen paste</td></tr><tr><td>Bake clay</td><td>Sculpey</td><td></td><td>Stimulus for RFID</td></tr><tr><td>Clay shaping tools</td><td>Generic</td><td></td><td>Stimulus for RFID</td></tr><tr><td>White paper</td><td>Generic</td><td></td><td>Stimulus for Video</td></tr><tr><td>Laser printer</td><td>Generic</td><td></td><td>Stimulus for Video</td></tr><tr><td>Wood</td><td>Generic</td><td></td><td>Stimulus for Video -- attachment clip</td></tr></tbody></table>

radio frequency identification and motion-sensitive video efficiently automate recording of unrewarded choice behavior by bumblebees

Biz kapalı bir test alanda bombus seçim davranışlarını gözlemlemek için iki yöntem mevcut. İlk yöntem, Radyo Frekansı ile Tanımlama (RFID) çeşitli görsel ipuçlarını görüntülemek yapay çiçekler yerleşik okuyucular, ve yabanarısı işçilerin toraks yapıştırılmış RFID etiketleri (yani pasif transponder) oluşur. Bizim uygulamada yenilik RFID okuyucuları doğrudan renk, desen türü, uzamsal frekans (desen yani, &quot;meşguliyet&quot;) ve simetri (mekansal frekans ve gibi birçok farklı görsel özelliklerini görüntüleme yeteneğine sahip yapay çiçekler yerleşik olmasıdır simetri) Bu deneyde manipüle değildi. Ayrıca, otomatik sistemleri ile bağlantılı olarak, bu görsel görüntüler karşılıksız ve eğitimsiz bir seçim hareketleri kaydetme özelliğine sahiptir. İkinci yöntem, harekete duyarlı, yüksek çözünürlüklü kameralar kullanılarak yapay çiçekler kayıt seçim davranışı oluşur. Bumblebees eşsiz kimlik için thoraces yapıştırılmış numara etiketleri var. RFID üzerinden bu uygulama avantajı, açılış davranışı gözlemlenmesine ek olarak, duran, ve antennation olarak tercih alternatif önlemler de gözlenebilir olmasıdır. Her iki otomasyon yöntemleri hesap bireysel farklılıkları dikkate almak büyük ölçekli çalışmalar sağlayan deneysel kontrol ve iç geçerliliğini artırmak. Arılar serbestçe girmek ve yerinde bir araştırma görevlisi durumu gibi kısıtlamalar olmadan test ortamı çıkabilirsiniz çünkü dış geçerliliği de gelişmiş olduğunu. Gerçek zamanlı olarak insan gözlem ile karşılaştırıldığında, otomatik yöntemler daha uygun maliyetli ve muhtemelen daha az hata eğilimli hale getirebilir.

Deney 1: RFID Veri Kolonideki tüm 375 işçi RFID etiketli edildi ve bu işçilerin (% 85) 318 çalışma sırasında bir noktada uçuş kafese girdi. 197 toplam (koloniyi terk arıların% 62) dört yapay çiçek uyaranlara en az birini ziyaret etti. Bir seçim Tanımı Bir seçim yapay çiçek giren bir işçi olarak tanımlandı (Şekil 1). Biz bu davranışı etiketli &quot;çiçek keşif.&quot; Bir seçim Bu tanım çalışmaya bağlı olarak, gezinip, antennation veya sahanlık bazı kombinasyonunu kullanabilirsiniz, literatürde kullanılan olanlar, daha sıkı. Bu arılar değil sadece bunu keşfederek ayrıca, gezinip antennating ve üzerinde iniş, ama bir uyarana gerektirir çünkü çiçek keşif seçim sıkı tanımıdır. Veri yönetimi <p class="jove_content"&gt; RFID teknikleri diğer yöntemlerle veri nazaran muazzam miktarda toplamak için kapasitesine sahip. Bu deney, 310.221 olan kayıtları. MySQL gibi bir veritabanı programı verileri ve araştırma soruların yanıtlarını kızdırmak için kullanılır eşit derecede önemlidir SQL sorguları bu miktarda depolamak için vazgeçilmez bir araçtır. Örneğin, bir konu bir seçim tanımıdır. RFID okuyucular dakika hatta saat yapay çiçekler içinde kaldı arıların durumunda, birkaç bin kayıtları çevirebilir, bir etiketi her 1 msn, varlığını kaydetmek için yapılandırıldı. Bir seçim bizim tanımı en az 1 milisaniye süren bir ziyaret oldu, ama kayıtların geçerli dize en az 1 dakika mola tarafından kırıldı kadar yeni bir ziyaret sayılmıyordu. Deney Özeti Uygunluk testleri Dört çoğaltılmış iyilik bir arıların &quot;naif oturumunda&quot; seçim p karşılaştırmak için tüm seçenekler yapıldışans 7 teorik değerine roportions. Bir arı naif oturumu arı &quot;katıldığı&quot; hangi ilk test durumuna gelir. G-testleri santral konumlandırma (bakınız Tablo 1) ve radyal desen türü için bir tercih ortaya koyuyor. Konsantrik model merkezi olarak konumlandırılmış olduğunda bu deseni tercih ters çevrilir ve radyal desen çevresel olarak konumlandırılmış 4b gösterir Şekil. Yerleri Şekil 4a ve d olarak sabit tutulur, ancak deseni tercih ışınsal yöneliktir. 4, her bir kombinasyonu için, her bir desen için, ilk seçenek nispi oranları tüm seçenekleri gösterilen oranlarda ile karşılaştırılabilir olduğunu göstermektedir. <img alt="Şekil 4," src="/files/ftp_upload/52033/52033fig4highres.jpg"/> Şekil 4. RFID Deney Sonuçları. T anda seçim frekanslarıo dört farklı çiçek kombinasyonları Deney 1&#39;de koyu kahverengi çubuk grafikler arının naif oturumunda (sol tarafı y-ekseni) tüm seçimler göstermek ve açık kahverengi barlar, her işçinin ilk seçeneğim (sağ tarafı y-eksenini belirtmek ). &quot;Tüm seçenekler&quot; gösterisi karşılaştırılabilir desenleri &quot;ilk tercihi&quot;, fakat daha büyük istatistiksel güç. Çubuk grafikler desen konumlandırılması, bir desen türü daha önemli olduğunu göstermektedir. Bir merkezi olarak konumlandırılmış model model türü bir başka daha az tercih eş desen görüntülenir bile tercih edildi. Yıldız şansı büyük ölçüde farklı olan bir seçim oranını gösterir. Edin. * P &lt;.05, ** p &lt;.01, *** p &lt;.001. Bu rakam Orban ve diğerleri. 11 modifiye edilmiştir. <table border="0" cellpadding="0" cellspacing="0"><tbody><tr><td rowspan="2"> Koşullar </td><td colspan="3"> Pooled </td><td colspan="3"> Heterojenite </td><td></td></tr><tr><td> Gp </td><td> df </td><td> p </td><td> Gh </td><td> df </td><td> p </td><td></td></tr><tr><td> Merkez-Konsantrik vs Merkez-Radyal </td><td> 3.96 </td><td> 1 </td><td> 0.047 </td><td> 197,55 </td><td> 41 </td><td> 0.000 </td><td></td></tr><tr><td> Merkez-Konsantrik vs Periferik-Radyal </td><td> 33.77 </td><td> 1 </td><td> 0.000 </td><td> 210,81 </td><td> 42 </td><td> 0.000 </td><td></td></tr><tr><td> Periferik-Konsantrik vs Merkez-Radyal </td><td> 508,31 </td><td> 1 </td><td> 0.000 </td><td> 345.78 </td><td> 30 </td><td> 0.000 </td><td></td></tr><tr><td> Periferik-Konsantrik vs Periferik-Radyal </td><td> 7.42 </td><td> 1 </td><td> 0.000 </td><td> 84.06 </td><td> 24 </td><td> 0.000 </td><td></td></tr></tbody></table> Tablo 1. </sRFID Veri trong&gt; Vardamlı İstatistik. Bu tablo Orban ve ark modifiye edilmiş Deney 1.. (2013) 11. G p tesadüfen bir grup oranda önemli sapmayı ifade eder, ve G h (bireysel farklılıkları testleri anlamına gelir yani, heterojenlik). Istatistiksel testler hakkında ayrıntılı bilgi için yazının bakınız. Deney 2: Video Veri 264 seçenek toplam üç test seans boyunca dört koşullar karşısında kaydedildi. Tablo 2 her koloniden katkıda işçi ve seçenek sayısını göstermektedir. Bir seçim Tanımı Gezinip, antennation ve iniş: video veri seçim davranışının üç tip kaydedilmesini sağlar. Davranışları her üç tip görülmekle birlikte, uçan ve antennation difficu vardırlt, zayıf çözünürlük veya düşük hızda video kameralar kaydedemezsiniz hızlı hareketleri için bir etiket numarası ile ilişkilendirmek. Bu yüksek çözünürlüklü kamera kullanmak çok önemlidir okunabilir kare az sayıda yalnızca görünebilir etiket numaralarını sağlamak için (bu bizim için mümkün değildi ama, ideal bir yüksek kare hızı kamera bulanıklığını en aza indirmek için kullanılmalıdır) . Bu yöntem aynı zamanda bitkisel keşif tespit RFID tekniği ile seçim örnekleri karşılaştırmak için kullanıldı. Hareket duyarlılığı hususlar Başarılı bir deney üretiminde önemli konulardan biri harekete duyarlı kameralar yapılandırma. Çok duyarlı bir kamera pratik ve işlemek için çok pahalı olabilir, çok fazla veri kaydeder. Örneğin, başlangıçta bizim kamera binada düzenli titreşimlerin tetikledi (örneğin, koridor, klima, vb geçirerek kişi) 1R sonuçlandı,11; her 150-200 Kaydedilen video klipler için 2 geçerli veri noktaları. Diğer taraftan, çok daha ciddi bir hata önemli verileri kaçırma bir düşük hassasiyet yapılandırma vardır. Aksi takdirde, örnekleme hataları sonuçları saptırabilir, aynı şekilde tüm kameralar yapılandırmak için çok önemlidir. Deney Özeti Uygunluk testleri dört çoğaltılmış iyiliği şans anlamlı sapmış üç grup oranlarda, ve olmayan bir anlamlı bir genel oran (Tablo 3 ve Şekil 5) bulundu. (1) Desen önemlidir: Merkez-eş desen üzerinde merkezi-radyal için önemli bir tercih (Tablo 3) tespit edildi. (2) ışınsal pozisyonu az önemlidir:-merkezi radyal ve çevresel radyal kombinasyonu sunum şansı hiçbir anlamlı farklılık gösterdi. (3) merkezinden radyal ve periferal-eş kombinasyonu karşı yönelik kuvvetli bir tercihine yol açmıştırMerkez-radyal desen s. -Orta konsantrik ve periferik-radyal kombinasyonu çevresel-ışınsal yolunda önemli tercihini ortaya çıkardı. Desen konumu uydurma. Bireysel farklılıklar dört kombinasyonları (bakınız Tablo 3) olmayan anlamlıydı. <img alt="Şekil 5," src="/files/ftp_upload/52033/52033fig5highres.jpg"/> . Deney 2. dört farklı çiçek kombinasyonlarından Şekil 5. Hareket Duyarlı video yapılabilecek seçimlerin frekansları sonuçları desen konumlandırma üzerinde desen Çeşidi önemini göstermektedir: Radyal desen desenler periferik konumlandırılmış olsa bile tercih edildi. Değerler Görüntülenen desen seçenek sayısını gösterir. Yıldız şansı büyük ölçüde farklı olan bir seçim oranını gösterir. Edin. ** P &lt;0.01, *** P &lt;0.001. Bu rakam Orban 11 modifiye edilmiştir. <table border = &quot;0&quot; cellpadding = &quot;0&quot; cellspacing = &quot;0&quot;&gt; <tbody><tr><td rowspan="2"> Koşullar </td><td> Oturum 1 </td><td colspan="2"> Oturum 2 </td><td colspan="2"> Oturum 3 </td></tr><tr><td> Colony 1 </td><td> Colony 2 </td><td> Colony 3 </td><td> Colony 4 </td><td> Colony 5 </td></tr><tr><td> İşçi Sayısı </td><td> 45 </td><td> 7 </td><td> 2 </td><td> 8 </td><td> 23 </td></tr><tr><td> Seçimlerin Hayır </td><td> 151 </td><td> 25 </td><td> 2 </td><td> 20 </td><td> 65 </td></tr></tbody></table> Tablo 2. Hareket Duyarlı video Verilerin Betimsel İstatistik. Toplam her koloni için Deney 2 yapay çiçekler kaydedilen seçenek sayısını ve bu seçimler yapma işçilerin sayısı. Bu tablo Orban ve diğerleri. 11 modifiye edilmiştir. Yazının bakınTüm ayrıntılar için. <table border="0" cellpadding="0" cellspacing="0"><tbody><tr><td rowspan="2"> Koşullar </td><td colspan="3"> Biriktirilip </td><td colspan="3"> Heterojenite </td></tr><tr><td> Gp </td><td> df </td><td> p </td><td> Gh </td><td> df </td><td> p </td></tr><tr><td> Merkez-Konsantrik vs Merkez-Radyal </td><td> 17.98 </td><td> 1 </td><td> 0.000 </td><td> 40.72 </td><td> 29 </td><td> 0.073 </td></tr><tr><td> Periferik Radyal vs Merkez-Radyal </td><td> 1.85 </td><td> 1 </td><td> 0.173 </td><td> 53.63 </td><td> 39 </td><td> 0.060 </td></tr><tr><td> Merkez Konsantrik vs Periferik Radyal </td><td> 6.57 </td><td> 1 </td><td> 0.010 </td><td> 26.31 </td><td> 27 </td><td> 0.500 </td></tr><tr><td> Periferik Konsantrik vs Merkez Radyal </td><td> 18.18 </td><td> 1 </td><td> 0.000 </td><td> 41.92 </td><td> 37 </td><td>0.256 </td></tr></tbody></table> Tablo 3. Vardamlı İstatistik Hareket Duyarlı Video Verileri. Deney 2. Bu tablo G p tesadüfen bir grup oranda önemli sapmayı ifade eder 11.. Orban ve diğerleri modifiye edilmiş, ve G h bireysel farklılıklara testleri (anlamına gelir yani, heterojenlik). Istatistiksel testler hakkında ayrıntılı bilgi için yazının bakınız.

Watch this Scientific Journal Video about Radio Frequency Identification and Motion-sensitive Video Efficiently Automate Recording of Unrewarded Choice Behavior by Bumblebees at JoVE.com

Radio Frequency Identification and Motion-sensitive Video Efficiently Automate Recording of Unrewarded Choice Behavior by Bumblebees

This video describes Radio-Frequency Identification (RFID) and motion-sensitive video recording methods to monitor choice behavior by bumblebees.

Radyo Frekansı ile Tanımlama ve Verimli Hareket duyarlı video Bumblebees tarafından karşılıksız seçim davranışının Kayıt otomatikleştirin

We present two methods for observing bumblebee choice behavior in an enclosed testing space. The first method consists of Radio Frequency Identification ...

radio-frequency-identification-motion-sensitive-video-efficiently

Research

JoVE Journal

Neuroscience

10.9K Görüntüleme.  University of Ottawa. This video describes Radio-Frequency Identification (RFID) and motion-sensitive video recording methods to monitor choice behavior by bumblebees. 

Video: Radio Frequency Identification and Motion-sensitive Video Efficiently Automate Recording of Unrewarded Choice Behavior by Bumblebees

Early Metamorphic Insertion Technology for Insect Flight Behavior Monitoring

Early Metamorphosis Insertion Technology (EMIT) is a novel methodology for integrating microfabricated neuromuscular recording and actuation platforms on insects during their metamorphic development. Here, the implants are fused within the structure and function of the neuromuscular system as a result of metamorphic tissue remaking. The implants emerge with the insect where the development of tissue around the electronics during pupal development results in a bioelectrically and biomechanically enhanced tissue interface. This relatively more reliable and stable interface would be beneficial for many researchers exploring the neural basis of the insect locomotion with alleviated traumatic effects caused during adult stage insertions. In this article, we implant our electrodes into the indirect flight muscles of Manduca sexta. Located in the dorsal-thorax, these main flight powering dorsoventral and dorsolongitudinal muscles actuate the wings and supply the mechanical power for up and down strokes. Relative contraction of these two muscle groups has been under investigation to explore how the yaw maneuver is neurophysiologically coordinated. To characterize the flight dynamics, insects are often tethered with wires and their flight is recorded with digital cameras. We also developed a novel way to tether Manduca sexta on a magnetically levitating frame where the insect is connected to a commercially available wireless neural amplifier. This set up can be used to limit the degree of freedom to yawing &#8220;only&#8221; while transmitting the related electromyography signals from dorsoventral and dorsolongitudinal muscle groups.

We present a novel surgical procedure to implant electrodes in Manduca sexta during its early metamorphic stages. This technique allows mechanically stable and electrically reliable coupling with the neuromuscular tissue to study flight neurophysiology dynamics. We also present a novel magnetic levitation platform for tethered studies of insect yaw.

Böcek Uçuş Behavior Monitoring için erken Metamorfik Yerleştirme Teknoloji

Early Metamorphosis Insertion Technology (EMIT) is a novel methodology for integrating microfabricated neuromuscular recording and actuation platforms on ...

Davranış

Video Tracking Protocol to Screen Deterrent Chemistries for Honey Bees

The European honey bee, Apis mellifera L., is an economically and agriculturally important pollinator that generates billions of dollars annually. Honey bee colony numbers have been declining in the United States and many European countries since 1947. A number of factors play a role in this decline, including the unintentional exposure of honey bees to pesticides. The development of new methods and regulations are warranted to reduce pesticide exposures to these pollinators. One approach is the use of repellent chemistries that deter honey bees from a recently pesticide-treated crop. Here, we describe a protocol to discern the deterrence of honey bees exposed to select repellent chemistries. Honey bee foragers are collected and starved overnight in an incubator 15 h prior to testing. Individual honey bees are placed into Petri dishes that have either a sugar-agarose cube (control treatment) or sugar-agarose-compound cube (repellent treatment) placed into the middle of the dish. The Petri dish serves as the arena that is placed under a camera in a light box to record the honey bee locomotor activities using video tracking software. A total of 8 control and 8 repellent treatments were analyzed for a 10 min period with each treatment was duplicated with new honey bees. Here, we demonstrate that honey bees are deterred from the sugar-agarose cubes with a compound treatment whereas honey bees are attracted to the sugar-agarose cubes without an added compound.

The loss of honey bee colonies presents a challenge to crop pollination services. Current pollinator protection practices warrant an alternative approach to minimize the contact of honey bees to harmful pesticides using repellent chemistries. Here, we provide detailed methods for a visual tracking protocol to screen deterrents for bees.

Bal Arıları İçin Ekran Koruma Kimyagerleri için Video İzleme Protokolü

The European honey bee, Apis mellifera L., is an economically and agriculturally important pollinator that generates billions of dollars annually. Honey ...

Çevre

Studying the Neural Basis of Adaptive Locomotor Behavior in Insects

Studying the neural basis of walking behavior, one often faces the problem that it is hard to separate the neuronally produced stepping output from those leg movements that result from passive forces and interactions with other legs through the common contact with the substrate. If we want to understand, which part of a given movement is produced by nervous system motor output, kinematic analysis of stepping movements, therefore, needs to be complemented with electrophysiological recordings of motor activity. The recording of neuronal or muscular activity in a behaving animal is often limited by the electrophysiological equipment which can constrain the animal in its ability to move with as many degrees of freedom as possible. This can either be avoided by using implantable electrodes and then having the animal move on a long tether (i.e. Clarac et al., 1987; Duch &amp; Pfl&uuml;ger, 1995; B&ouml;hm et al., 1997; Gruhn &amp; Rathmayer, 2002) or by transmitting the data using telemetric devices (Kutsch et al, 1993; Fischer et al., 1996; Tsuchida et al. 2004; Hama et al., 2007; Wang et al., 2008). Both of these elegant methods, which are successfully used in larger arthropods, often prove difficult to apply in smaller walking insects which either easily get entangled in the long tether or are hindered by the weight of the telemetric device and its batteries. In addition, in all these cases, it is still impossible to distinguish between the purely neuronal basis of locomotion and the effects exerted by mechanical coupling between the walking legs through the substrate. One solution for this problem is to conduct the experiments in a tethered animal that is free to walk in place and that is locally suspended, for example over a slippery surface, which effectively removes most ground contact mechanics. This has been used to study escape responses (Camhi and Nolen, 1981; Camhi and Levy, 1988), turning (Tryba and Ritzman, 2000a,b; Gruhn et al., 2009a), backward walking (Graham and Epstein, 1985) or changes in velocity (Gruhn et al., 2009b) and it allows the experimenter easily to combine intra- and extracellular physiology with kinematic analyses (Gruhn et al., 2006).
We use a slippery surface setup to investigate the timing of leg muscles in the behaving stick insect with respect to touch-down and lift-off under different behavioral paradigms such as straight forward and curved walking in intact and reduced preparations.

We describe a method to record motor activity, timed to the electrically recorded tarsal contact signal in a tethered insect, walking on a slippery surface. This is used to study the neural basis of adaptive behavior under reduced influence of mechanical interaction between legs through the substrate.

Böcekler Adaptif Lokomotor Davranış Sinir Dayanak incelenmesi

Studying the neural basis of walking behavior, one often faces the problem that it is hard to separate the neuronally produced stepping output from those ...

Nörobilim

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.

Böcek ortaya çıkışı desenler tespiti için hassas ve özerk bir sistem

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

High-Resolution Video Tracking of Locomotion in Adult Drosophila Melanogaster

Flies provide an important model for studying complex behavior due to the plethora of genetic tools available to researchers in this field. Studying locomotor behavior in Drosophila melanogaster relies on the ability to be able to quantify changes in motion during or in response to a given task. For this reason, a high-resolution video tracking system, such as the one we describe in this paper, is a valuable tool for measuring locomotion in real-time. Our protocol involves the use of an initial air pulse to break the flies momentum, followed by a thirty second filming period in a square chamber. A tracking program is then used to calculate the instantaneous speed of each fly within the chamber in 10 msec increments. Analysis software then compiles this data, and outputs a variety of parameters such as average speed, max speed, time spent in motion, acceleration, etc. This protocol will discuss proper feeding and management of flies for behavioral tasks, handling flies without anesthetization or immobilization, setting up a controlled environment, and running the assay from start to finish.

The study of complex locomotor behavior in Drosophila melanogaster is dependent upon the ability to quantify changes in a given fly's movement. This article demonstrates how to do this using a high-resolution tracking system.

Yetişkin Drosophila melanogaster Locomotion Yüksek Çözünürlüklü Video Takip

Flies provide an important model for studying complex behavior due to the plethora of genetic tools available to researchers in this field.  Studying ...

Biyoloji

Tactile Conditioning And Movement Analysis Of Antennal Sampling Strategies In Honey Bees (Apis mellifera L.)

Honey bees (Apis mellifera L.) are eusocial insects and well known for their complex division of labor and associative learning capability1, 2. The worker bees spend the first half of their life inside the dark hive, where they are nursing the larvae or building the regular hexagonal combs for food (e.g. pollen or nectar) and brood3. The antennae are extraordinary multisensory feelers and play a pivotal role in various tactile mediated tasks4, including hive building5 and pattern recognition6. Later in life, each single bee leaves the hive to forage for food. Then a bee has to learn to discriminate profitable food sources, memorize their location, and communicate it to its nest mates7. Bees use different floral signals like colors or odors7, 8, but also tactile cues from the petal surface9 to form multisensory memories of the food source. Under laboratory conditions, bees can be trained in an appetitive learning paradigm to discriminate tactile object features, such as edges or grooves with their antennae10, 11, 12, 13. This learning paradigm is closely related to the classical olfactory conditioning of the proboscis extension response (PER) in harnessed bees14. The advantage of the tactile learning paradigm in the laboratory is the possibility of combining behavioral experiments on learning with various physiological measurements, including the analysis of the antennal movement pattern.

Tactile Conditioning And Movement Analysis Of Antennal Sampling Strategies In Honey Bees Apis mellifera L.

In this protocol we show how to condition harnessed honey bees to tactile stimuli and introduce a 2D motion capture technique for analyzing the kinematics of fine-scale antennal sampling pattern.

Dokunsal İklimlendirme Ve Bal Arısı yılında antennal Örnekleme Stratejileri Hareket Analizi (<em&gt; Apis mellifera</em&gt; L.)

Honey bees (Apis mellifera L.) are eusocial insects and well known for their complex division of labor and associative learning capability1, 2. The worker ...

Simultaneous Long-term Recordings at Two Neuronal Processing Stages in Behaving Honeybees

In both mammals and insects neuronal information is processed in different higher and lower order brain centers. These centers are coupled via convergent and divergent anatomical connections including feed forward and feedback wiring. Furthermore, information of the same origin is partially sent via parallel pathways to different and sometimes into the same brain areas. To understand the evolutionary benefits as well as the computational advantages of these wiring strategies and especially their temporal dependencies on each other, it is necessary to have simultaneous access to single neurons of different tracts or neuropiles in the same preparation at high temporal resolution. Here we concentrate on honeybees by demonstrating a unique extracellular long term access to record multi unit activity at two subsequent neuropiles1, the antennal lobe (AL), the first olfactory processing stage and the mushroom body (MB), a higher order integration center involved in learning and memory formation, or two parallel neuronal tracts2 connecting the AL with the MB.&#160;The latter was chosen as an example and will be described in full. In the supporting video the construction and permanent insertion of flexible multi&#160;channel wire electrodes is demonstrated. Pairwise differential amplification of the micro&#160;wire electrode channels drastically reduces the noise and verifies that the source of the signal is closely related to the position of the electrode tip. The mechanical flexibility of the used wire electrodes allows stable invasive long&#160;term recordings over many hours up to days, which is a clear advantage compared to conventional extra&#160;and intracellular in vivo recording techniques.

Simultaneous extracellular long term recordings from two different brain neuropiles or two different anatomical tracts were established in honeybees. These recordings allow the investigation of temporal aspects of neuronal processing across different brain areas at the single neuron as well as at the ensemble level in a behaving animal.

Davranan Bal arısı iki nöronal İşleme Dönemlerinde Eşzamanlı Uzun vadeli Kayıtlar

In both mammals and insects neuronal information is processed in different higher and lower order brain centers. These centers are coupled via convergent ...

A Novel Behavioral Assay to Investigate Gustatory Responses of Individual, Freely-moving Bumble Bees (Bombus terrestris)

Generalist pollinators like the buff-tailed bumble bee, Bombus terrestris, encounter both nutrients and toxins in the floral nectar they collect from flowering plants. Only a few studies have described the gustatory responses of bees toward toxins in food, and these experiments have mainly used the proboscis extension response on restrained honey bees. Here, a new behavioral assay is presented for measuring the feeding responses of freely-moving, individual worker bumble bees to nutrients and toxins. This assay measures the amount of solution ingested by each bumble bee and identifies how tastants in food influence the microstructure of the feeding behavior.
The solutions are presented in a microcapillary tube to individual bumble bees that have been previously starved for 2-4 hr. The behavior is captured on digital video. The fine structure of the feeding behavior is analyzed by continuously scoring the position of the proboscis (mouthparts) from video recordings using event logging software. The position of the proboscis is defined by three different behavioral categories: (1) proboscis is extended and in contact with the solution, (2) proboscis is extended but not in contact with the solution and (3) proboscis is stowed under the head. Furthermore the speed of the proboscis retracting away from the solution is also estimated.
In the present assay the volume of solution consumed, the number of feeding bouts, the duration of the feeding bouts and the speed of the proboscis retraction after the first contact is used to evaluate the phagostimulatory or the deterrent activity of the compounds tested.
This new taste assay will allow researchers to measure how compounds found in nectar influence the feeding behavior of bees and will also be useful to pollination biologists, toxicologists and neuroethologists studying the bumble bee&#39;s taste system.

A Novel Behavioral Assay to Investigate Gustatory Responses of Individual, Freely-moving Bumble Bees Bombus terrestris

A novel behavioral assay is described for investigating the short term gustatory responses of the mouthparts of freely-moving bumble bees (Bombus terrestris) toward nutrients and toxins in solution.

A Novel Davranış Testi (Bumble Bees Serbestçe hareket eden Bireyin Tat Cevapları, Araştırma<em&gt; Bombus terrestris</em&gt;)

Generalist pollinators like the buff-tailed bumble bee, Bombus terrestris, encounter both nutrients and toxins in the floral nectar they collect from ...

Insect-machine Hybrid System: Remote Radio Control of a Freely Flying Beetle (Mercynorrhina torquata)

The rise of radio-enabled digital electronic devices has prompted the use of small wireless neuromuscular recorders and stimulators for studying in-flight insect behavior. This technology enables the development of an insect-machine hybrid system using a living insect platform described in this protocol. Moreover, this protocol presents the system configuration and free flight experimental procedures for evaluating the function of the flight muscles in an untethered insect. For demonstration, we targeted the third axillary sclerite (3Ax) muscle to control and achieve left or right turning of a flying beetle. A thin silver wire electrode was implanted on the 3Ax muscle on each side of the beetle. These were connected to the outputs of a wireless backpack (i.e., a neuromuscular electrical stimulator) mounted on the pronotum of the beetle. The muscle was stimulated in free flight by alternating the stimulation side (left or right) or varying the stimulation frequency. The beetle turned to the ipsilateral side when the muscle was stimulated and exhibited a graded response to an increasing frequency. The implantation process and volume calibration of the 3 dimensional motion capture camera system need to be carried out with care to avoid damaging the muscle and losing track of the marker, respectively. This method is highly beneficial to study insect flight, as it helps to reveal the functions of the flight muscle of interest in free flight.

Insect-machine Hybrid System: Remote Radio Control of a Freely Flying Beetle Mercynorrhina torquata

This protocol describes the process of constructing an insect-machine hybrid system and carrying out wireless electrical stimulation of the flight muscles required to control the turning motion of a flying insect.

Böcek-makine Hibrid Sistem: Serbest Uçan Beetle Uzaktan Radyo Kontrol (<em&gt; Mercynorrhina torquata</em&gt;)

The rise of radio-enabled digital electronic devices has prompted the use of small wireless neuromuscular recorders and stimulators for studying in-flight ...

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: Gerçek zamanlı izleme böcek anten hareketleri ve hortum uzantısı refleks bir ortak hazırlık ve geleneksel donanım kullanarak

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

Radyo Frekansı ile Tanımlama ve Verimli Hareket duyarlı video Bumblebees tarafından karşılıksız seçim davranışının Kayıt otomatikleştirin

Özet

Daha Fazla Video Keşfet

Bu videodaki bölümler