使用基于深度学习的自动视频跟踪测量海鱼在不同适应周期下的活动休息节奏

科学领域:

• 动物行为 动物行为
• 时间生物学 时间生物学
• 深度学习应用程序深度学习应用程序

背景情况:

• 昼夜节律是影响生物行为的基本生物过程.
• 了解像Xyrichtys novacula这样的海洋物种的活动节奏对于生态和生理学研究至关重要.
• 监测动物活动的传统方法可能是劳动密集型和范围有限的.

研究的目的:

• 引入和验证一种新的深度学习驱动的视频跟踪系统,用于评估生物节奏.
• 在实验室条件下评估Xyrichtys novacula活动节奏的稳定性,碎片化,强度和同步性.
• 为了比较实验室观察到的节奏与野生Xyrichtys novacula的自然行为模式.

主要方法:

• 开发基于深度学习的视频跟踪系统,用于自动化活动监控.
• 实验设置涉及三组Xyrichtys novacula,其适应周期不同 (1,2,3周) 到14/10小时的光/黑暗周期.
• 收集和分析野生Xyrichtys novacula的遥测数据,以确定基线自然行为.

主要成果:

• 野生Xyrichtys novacula表现出强大的,最小的碎片化活动节奏与自然光周期同步.
• 实验室鱼在光明和黑暗阶段之间显示了活动差异,但在适应群体之间的节律指标上没有显著差异.
• 较长的适应期 (2周和3周) 增加了鱼类与实验室光/黑暗循环同步的比例.

结论:

• 新的深度学习视频跟踪系统有效地监测实验室环境中的生物节奏.
• 适应时间影响了Xyrichtys novacula的人工光周期的节奏同步.
• 开发的系统可以适应监测其他物种的活动节奏,为时代生物学研究提供了强大的工具.