Enriquecimiento olfativo de hipopótamos enanos en cautiverio con aprendizaje automático aplicado

Área de la Ciencia:

• Zoología
• Ciencia del Bienestar Animal
• Biología de la Conservación

Sus antecedentes:

• El hipopótamo enano (Choeropsis liberiensis), en peligro de extinción, está poco estudiado, con posibles problemas de bienestar en instituciones zoológicas.
• El enriquecimiento ambiental es una estrategia clave para mejorar el bienestar de los animales en cautiverio.
• El enriquecimiento olfativo ofrece una vía prometedora para mejorar el bienestar de los hipopótamos enanos.

Objetivo del estudio:

• Investigar el impacto del enriquecimiento olfativo en el comportamiento del hipopótamo enano.
• Evaluar la eficacia del aprendizaje automático (SLEAP) para el análisis automatizado del comportamiento en esta especie.
• Comparar los métodos manuales y automatizados de clasificación del comportamiento para la monitorización del bienestar.

Principales métodos:

• Análisis del comportamiento de tres hipopótamos enanos mediante muestreo focal continuo.
• Aplicación de estímulos de enriquecimiento olfativo.
• Visualización de mapas de calor de los comportamientos.
• Estimación de pose basada en aprendizaje automático (SLEAP) para la clasificación automatizada del comportamiento.
• Comparación de anotaciones manuales y automatizadas utilizando matrices de confusión y W de Kendall.

Principales resultados:

• El enriquecimiento olfativo condujo a una disminución de la inactividad y un aumento de la interacción con el medio ambiente, particularmente el comportamiento de olfateo.
• El aprendizaje automático (SLEAP) mostró un acuerdo fuerte y moderado con las anotaciones manuales para diferentes individuos.
• El análisis automatizado demuestra el potencial para una monitorización del bienestar eficiente y complementaria.

Conclusiones:

• El enriquecimiento olfativo influye positivamente en el comportamiento del hipopótamo enano, lo que sugiere su utilidad para mejorar el bienestar en cautiverio.
• El análisis automatizado del comportamiento mediante aprendizaje automático es una herramienta viable para apoyar los métodos de observación tradicionales.
• Una mayor investigación que integre estos métodos puede mejorar la monitorización del bienestar de las especies en peligro de extinción.