Mithilfe eines neuronalen Netzwerks wurden Ziegen gesichtet und identifiziert, um Zeitraffer-Videoaufnahmen zu analysieren.
Zeitraffervideos finden in der akademischen Welt viele Anwendungsmöglichkeiten. Ein aktueller Artikel von Mathieu Bonneau et al. mit dem Titel „Outdoor Animal Tracking Combining Neural Network and Time-lapse Cameras“ wurde im Journal of Computers and Electronics in Agriculture veröffentlicht. In diesem Artikel wurde die Verwendbarkeit von Brinno-Bauzeitrafferkameras ( BCC100 , BCC200 , BCC2000 ) in Forschungsstudien zur Tierverfolgung im Freien untersucht.
Das Projekt umfasste die Überwachung eines mittelgroßen Ziegenstammes auf einer Weide. Der Ziegenstamm musste wochenlang überwacht werden und es gab Ziegen unterschiedlichen Alters, verschiedener Größe und Farbe. Um die Videodaten zu durchsuchen, erstellte das Forschungsteam ein neuronales Netzwerk, das die von BCC200- Kameras aufgenommenen Bilder reibungslos analysieren und die Standorte jedes Stammesmitglieds identifizieren konnte.
Die Kombination von Deep Learning und Zeitrafferfotografie zur Verfolgung von Tierbewegungen in einer Außenumgebung bot den Forschern eine nicht-invasive Methode zur Überwachung des Standorts und des Verhaltens der Ziegen. Die Forscher weisen darauf hin, dass es viele Gründe gibt, Tiere zu überwachen und ihre Bewegungen zu erforschen, beispielsweise aus Gesundheits- und Weidemanagementgründen. Bisher erforderten gängige Überwachungsmethoden jedoch eine GPS-Überwachung mit Tags, die nicht nur schmerzhaft für das Tier, sondern auch teuer und zeitaufwändig für den Forscher war .
„GPS-Tagging ist für die Tiere nicht nur schmerzhaft, sondern auch teuer. Brinno-Zeitrafferkameras bieten eine weitere Option.“
Die Forscher kommen zu dem Schluss, dass der Hauptvorteil der Verwendung von Brinno-Zeitrafferkameras für Forschungszwecke darin besteht, dass sie erschwinglich sind und mehrere Wochen lang laufen können, ohne dass ein Batteriewechsel erforderlich ist.
Wenn Sie an einem abgelegenen oder ungünstigen Ort recherchieren, haben Sie möglicherweise keinen Zugang zu Elektrizität oder können einfach mal vorbeischauen und Ihre Kameras überprüfen. Darüber hinaus sorgt das wetterfeste Gehäuse der ATH-Serie von Brinno dafür, dass Ihre Kamera unabhängig von den Wetterbedingungen weiterhin aufnehmen kann.
Das neuronale Netzwerk identifizierte jede Ziege und zeichnete sie auf einer leicht lesbaren Karte auf.
Brinno-Kameras bieten Forschern eine unkomplizierte Zeitrafferlösung, die zuverlässig und kostengünstig ist. Die gesammelten Daten sind übersichtlich und können mithilfe eines neuronalen Netzwerks einfach analysiert werden. Zu den Beispielen für den Einsatz von Brinno-Kameras in früheren Forschungsstudien zählen neben der Tierüberwachung auch Verkehrsmanagement, geologische Veränderungen und menschliches Verhalten.
Um mehr über Brinnos Zeitrafferkameras und die Gründe zu erfahren, die Brinnos Kameras zur Top-Option für Forscher machen, besuchen Sie: www.brinno.com
Wenn Sie mehr über Mathieu Bonneaus Forschung lesen möchten, finden Sie seinen Artikel hier: https://www.sciencedirect.com/science/article/pii/S0168169919322562
