半自动识别通过翅膀膜中的原-弹性素图案对个体大棕色蝙蝠进行半自动识别

科学领域:

• 动物学 动物学
• 生物信息学是一种生物信息学.
• 野生动物生态生态学

背景情况:

• 对于生态研究来说,单个蝙蝠的识别是至关重要的.
• 在蝙蝠翅膀中手动比较原-弹性素 (CE) 捆绑模式是耗时的.
• 需要自动化方法来提高蝙蝠识别的效率.

研究的目的:

• 评估基于特征的模式识别软件HotSpotter的有效性,用于识别单个蝙蝠.
• 评估HotSpotter是否可以根据翅膀图像中的CE捆绑模式准确地识别蝙蝠.
• 为了确定软件在不同蝙蝠的人口统计和关系中的性能.

主要方法:

• 收集了328张24个成年和34个幼大的棕色蝙蝠 (Eptesicus fuscus) 和它们的后代的照片.
• 使用紫外线照明蝙蝠翅膀的腹部表面进行摄影.
• 采用HotSpotter软件来比较机翼图像,并根据相似度评分对它们进行排名.

主要成果:

• 热点正确地识别了同一个单独的蝙蝠在一个高于机会的速度.
• 该软件在根据年龄,性别,机翼侧面和亲属关系匹配图像时表现得比偶然更好.
• 增加排名最高的图像数量提高了正确匹配的比例.

结论:

• 像HotSpotter这样的基于特征的模式识别软件显示了使用CE捆绑模式自动化蝙蝠识别的巨大潜力.
• 这项技术可以克服手动视觉检查的局限性.
• 进一步的改进可能会导致单个蝙蝠识别的准确性接近完美.