在实验室和现场使用基于事件的视觉传感器量化浮游生物的毫秒级行为

科学领域:

• 机器人和机器视觉机器人技术
• 海洋生物学和生态学
• 传感器技术 传感器技术

背景情况:

• 传统的基于的传感器在高速移动捕获方面遇到了困难.
• 基于事件的视觉传感器 (EVS) 提供生物灵感,高时间分辨率的运动检测.
• EVS技术在速度,动态范围和能源效率方面具有优势.

研究的目的:

• 开发和验证使用EVS数据分析水中粒子运动的功能.
• 评估EVS在研究浮游生物的行为和分类中的适用性.
• 探索EVS在现场环境监测方面的能力.

主要方法:

• 开发了用于分析EVS原始数据的22个特征特征.
• 应用机器学习用于水生颗粒的自动分类.
• 进行了动物浮游生物和植物浮游生物培养的实验室观察.
• 在Biwa湖和深海环境中进行了现场部署.

主要成果:

• 在浮游生物中确定的特定物种的运动频率高达41Hz.
• 在使用机器学习对粒子进行分类时,达到高达86%的准确性.
• 在现场部署期间,确定了水生生物的节奏行为.
• 在深海粒子中观察到高频周期性运动 (40Hz以上).

结论:

• 对于调查生物体的快速和周期性运动,EVS技术非常有效.
• EVS为自动监测浮游生物行为提供了新的途径.
• 未来的应用包括自主浮动器上的边缘计算和细胞级活动量化.