Чтобы полностью зафиксировать и охарактеризовать поведение любой популяции медоносных пчел или пчел в целом, вам нужен формальный подход без присущих ему предубеждений. Исследование д-ра Агосто-Ривера по изучению циркадных ритмов с пчелами в прошлом наводило на мысль о «сменной работе», но оставалось неопределенным, поскольку сбор данных осуществлялся посредством наблюдений за людьми без формальных рамок [5]. Были обнаружены два типа эусоциальных пчел, Lassioglassum malachurum (потовая пчела) [4] и Apis mellifera gAHB(нежная африканизированная медоносная пчела). проявлять индивидуальность в пределах генетически идентичной популяции в контексте их передвижения. Напротив, Drosophila melangaster (обыкновенная плодовая муха) не проявляет вариаций. Понимание этой изменчивости может потенциально ответить на такие вопросы, как знание того, может ли индивидуальная изменчивость пчел быть полезной для колонии, может ли расслабленный отбор каким-то образом быть связан с сезонностью и может ли такое поведение быть основой естественной формы сменной работы. Ниже я опишу новый подход, который сочетает в себе мечение пчел и глубокие нейронные сети, для смягчения проблемы необъективного сбора данных для популяций 9 ульев по отношению к проблеме пчел согласно доктору Агосто-Ривера.

Эксперимент начинается с новорожденных пчел, которым всего один день, называемых расплодом. Это диплоидные рабочие, все генетически схожие. Целью этого исследования является накопление общей популяции около 1000 помеченных пчел на колонию. Их достают из специального отсека улья и помещают в инкубатор, имитирующий температуру внутри улья, в ожидании маркировки. Это наиболее оптимальное время для начала мечения пчел, поскольку, по словам исследователя с докторской степенью Мехмета Али Дёке, экзоскелет расплода все еще мягкий, так что жало не будет ощущаться, мышцы не будут полностью развиты, а крылья достаточно затвердеют для полета. Кроме того, маркировка позволит идентифицировать каждого человека в популяции с течением времени и наблюдений. Для маркировки были предложены метки RFID, но поскольку они дороги, мы выбрали вместо них 2D-штрих-коды. Чтобы пометить каждую пчелу, вы должны осторожно схватить выводок за крылья по направлению к его брюшку, чтобы его грудная клетка была более выраженной (рисунок 1), а затем схватить их за ноги так, чтобы отдельная пчела не могла вращаться. Это предпочтительнее захвата самого брюшка, так как минимальное усилие вызовет вытекание жидкости, что означает верную смерть вашей пчелы. Когда вы берете пчелу за ноги, вы затем наносите небольшое количество суперклея на ее грудную клетку и ориентируете QR-код сверху так, чтобы он был обращен к голове пчелы. Вы должны быть осторожны, чтобы не добавить слишком много клея в этом процессе, потому что обонятельная система пчел достаточно развита, чтобы различать запах, и впоследствии улей отвергнет выводок (пчела будет убита). На протяжении всего этого процесса обычно рекомендуется носить перчатку в руке, держащей пчелиные лапки, чтобы вас не ужалили, поскольку ужалить означает смерть пчелы.

Нейросетевое обнаружение пчел

Мастеру UPR-Río Piedras Ивану Родригесу приписывают разработку модели глубокого обучения для поведения пчел веером, определения позы головы, грудной клетки, брюшка и антенн, которые могут различать пчел, несущих пыльцу, и пчел, не несущих пыльцу [3]. ]. Используя его метод, мы получим «98% отзывов для обнаружения частей и 95% правильных ассоциаций частей» [2] для помеченных пчел.

Этот инструмент будет служить неотъемлемой частью сбора временных рядов, поскольку модель глубокого обучения будет предоставлять данные о поведении пчел веером, потреблении пыльцы и выходе / входе в улей для каждой из пчел с уникальной меткой. Этот набор данных послужит основой для многомерного анализа временных рядов, чтобы ответить на вопросы, поставленные в начале статьи. Моя работа в этом проекте, помимо мечения пчел, заключается в обнаружении хронотипов путем создания вейвлет-преобразований этого временного ряда для объединения пчел в однородные группы на основе их временных характеристик. Дополнительный анализ хронотипов может оказаться полезным для количественной оценки производительности колонии на основе их сменной работы.

___________________________________________________________________

[1] Эдвард Латорре, Кельвин Лопес, Иван Ф. Родригес, Матиас Роснер Ортис, Реми Мегре, Тугрул Гирей, Хосе Л. Агосто, «Распознавание пчел-вееров из видео с использованием сверточных нейронных сетей», SIDIM 2019, Умакао, 1 марта– 2 2019.

[2] Иван Ф. Родригес, Реми Мегре, Ройан Эгнор, Кристин Брэнсон, Хосе Л. Агосто, Тугрул Гирей, Эдгар Акунья. «Множественное отслеживание насекомых и животных в видео с использованием полей сходства частей», Визуальное наблюдение и анализ поведения позвоночных и насекомых (VAIB), Международная конференция по распознаванию образов (ICPR), Пекин, Китай, 20–24 августа 2018 г.

[3] Иван Ф. Родригес, Кристин Брэнсон, Эдгар Акунья, Реми Мегре, Хосе Л. Агосто-Ривера, Тугрул Гирей, «Автоматический мониторинг кормового поведения меченых и немеченых медоносных пчел», SIDIM 2019, Умакао, 1 марта – 2 2019.

[4] Л.М. Вайман и М.Х. Ричардс. Социальная организация колонии Lasioglossum malachurum Kirby (Hymenoptera, Halictidae) в Южной Греции, насекомые Sociaux 50(3):201–211, июль 2003 г.

[5] Мануэль Антонио Джаннони-Гусман, Тугрул Гирей, Хосе Л. Агосто-Ривера, Эммануэль Ривера, Прямые поведенческие наблюдения раскрывают сменную работу медоносной пчелы Apis mellifera, Энтомологический Ежегодное собрание Общества Америки 2013 г., ноябрь 2013 г.