Onderzoekers die zich bezighouden met diergedragstudies vertrouwen vaak op uren en uren aan videobeelden die ze handmatig analyseren. Dit vereist meestal dat onderzoekers zich een weg banen door opnames van meerdere weken of maanden, waarbij ze moeizaam observaties over het gedrag van de dieren noteren. Nu hebben onderzoekers van ETH Zürich en de Universiteit van Zürich een geautomatiseerde manier bedacht om dit soort opnames te analyseren. Het door hen ontwikkelde algoritme voor beeldanalyse maakt gebruik van computervisie en machine learning. Het kan individuele dieren onderscheiden en specifiek gedrag identificeren, zoals gedrag dat wijst op nieuwsgierigheid, angst of harmonieuze sociale interacties met andere leden van hun soort.
De technologie biedt wetenschappers in wezen een één-klik-oplossing voor het automatisch analyseren van videobeelden, hoe lang of gedetailleerd de opnames ook zijn. Een ander voordeel van de nieuwe methode is de reproduceerbaarheid: als verschillende groepen onderzoekers hetzelfde algoritme gebruiken om hun videodata te analyseren, is het vergelijken van resultaten makkelijker omdat alles op dezelfde standaarden is gebaseerd. Bovendien is het nieuwe algoritme zo gevoelig dat het zelfs subtiele gedragsveranderingen kan identificeren die zich zeer geleidelijk over lange perioden ontwikkelen. “Dit zijn het soort veranderingen dat vaak lastig te zien is met het menselijk oog”, zegt Markus Marks, hoofdauteur van het onderzoek en postdoc in de groep onder leiding van professor Neurotechnologie Mehmet Fatih Yanik.
Geschikt voor alle diersoorten
De onderzoekers trainden het machine learning-algoritme met videobeelden van muizen en makaken in gevangenschap. Ze benadrukken echter dat de methode op alle diersoorten kan worden toegepast. Het nieuws over hun nieuwe methode heeft zich al door de wetenschappelijke gemeenschap verspreid. De ETH-onderzoekers hebben het algoritme beschikbaar gesteld aan andere onderzoekers op een openbaar platform en veel van hun collega’s over de hele wereld gebruiken het al. “Er is vooral veel belangstelling onder primatenonderzoekers en onze technologie wordt al gebruikt door een groep die onderzoek doet naar wilde chimpansees in Oeganda”, zegt Marks.
Dit komt waarschijnlijk omdat de methode ook kan worden gebruikt om complexe sociale interacties in dierengemeenschappen te analyseren, zoals het identificeren van welke dieren andere leden van hun groep verzorgen en hoe vaak dit gebeurt. “Onze methode biedt een aantal grote voordelen ten opzichte van eerdere op machine learning gebaseerde algoritmen voor gedragsanalyse, vooral als het gaat om het analyseren van sociaal gedrag in complexe situaties”, zegt Marks.
Verbetering van de omstandigheden voor dieren in de zorg voor mensen
De nieuwe methode kan ook worden gebruikt om de veehouderij te verbeteren, zodat 24-uurs monitoring automatisch abnormaal gedrag kan detecteren. Door ongunstige sociale interacties of het begin van een ziekte vroegtijdig te detecteren, kunnen houders snel reageren om de omstandigheden voor de dieren die ze verzorgen te verbeteren.
De ETH-onderzoekers werken momenteel ook samen met de dierentuin van Zürich, die de veehouderij verder wil verbeteren en geautomatiseerd gedragsonderzoek wil doen. In een recent gepubliceerd onderzoek naar patronen van slaapgedrag van olifanten moesten dierentuinonderzoekers bijvoorbeeld handmatig aantekeningen maken op nachtelijke video-opnames. Ze hopen dat ze met de nieuwe methode dergelijke bevindingen in de toekomst kunnen automatiseren en opschalen.
Ten slotte wordt de methode gebruikt in fundamenteel onderzoek op het gebied van biologie, neurobiologie en geneeskunde. “Onze methode kan zelfs subtiele of zeldzame gedragsveranderingen bij proefdieren herkennen, zoals tekenen van stress, angst of ongemak”, zegt Yanik. “Daarom kan het niet alleen helpen om de kwaliteit van dierstudies te verbeteren, maar ook om het aantal dieren en de druk op hen te verminderen.” De professor van de ETH Zürich is van plan de methode zelf te gebruiken als onderdeel van zijn neurobiologisch onderzoek op het gebied van imitatieleren.
Verhaalbron:
Materialen geleverd door ETH Zürich. Origineel geschreven door Fabio Bergamin. Opmerking: inhoud kan worden bewerkt voor stijl en lengte.
lees het gehele artikel bij de bron
————————————————– ———————————–
samenvatting:
Onderzoekers hebben een nieuwe methode ontwikkeld die kunstmatige intelligentie gebruikt om diergedrag te analyseren. Dit opent de deur naar diepgaande studies op langere termijn op het gebied van gedragswetenschap, terwijl het ook helpt om het dierenwelzijn te verbeteren.
Datum van publicatie: 26 april 2022
Bron: Klimaat | Top milieunieuws — ScienceDaily
————————————————– ———————————–